MCDMClustering Validation
Dunn indekss
Dunn indekss, ko 1974. gadā ieviesa Džozefs K. Danijs, ir metrika, kas novērtē kopu kvalitāti, mērot minimālā attāluma starp kopām attiecību pret maksimālo diametru kopas iekšienē. Augstākas vērtības norāda uz labi atdalītām un kompaktām kopām, tādējādi labāku kopu kvalitāti.
Lasīt pilno metodes aprakstu
Tikai dalībniekiem
PieteiktiesPiesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Dunn, J. C. (1974). Well-separated clusters and optimal fuzzy partitions. Journal of Cybernetics, 4(1), 95-104. DOI: 10.1080/01969727408546059 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Dunn Index for Cluster Compactness and Separation. ScholarGate. https://scholargate.app/lv/model-evaluation/dunn-index
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Calinska-Harabaša indekssModeļu novērtēšana↔ salīdzināt
- Deivisa-Boldina indekssModeļu novērtēšana↔ salīdzināt
- Statistiskā atšķirība (Gap Statistic)Modeļu novērtēšana↔ salīdzināt
- InerceModeļu novērtēšana↔ salīdzināt
- Silueta koeficientsModeļu novērtēšana↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →