Dunn İndeksi
Dunn Index for Cluster Compactness and Separation · Ayrıca şöyle bilinir: Dunn's index, separation coefficient
Joseph C. Dunn tarafından 1974 yılında tanıtılan Dunn İndeksi, kümeler arası minimum mesafe ile küme içi maksimum çap oranı ölçülerek küme kalitesini yakalayan bir metriktir. Daha yüksek değerler, iyi ayrılmış ve kompakt kümeleri, daha iyi kümeleme kalitesini gösterir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Küme sıkılığını ve ayrışmasını doğrudan ölçen bir metriğe ihtiyaç duyduğunuzda Dunn İndeksini kullanın. Optimal küme sayısını seçmek ve farklı algoritmaların kümeleme sonuçlarını karşılaştırmak için kullanışlıdır. Ancak, tüm ikili mesafelerin hesaplanması büyük veri kümeleri için hesaplama açısından maliyetlidir. Ayrıca, kompakt, iyi ayrılmış kümelerin arzu edildiğini varsayar, bu da tüm veri dağılımları için geçerli olmayabilir.
Güçlü yönler & sınırlılıklar
- Sezgisel yorumlama: daha yüksek değerler her zaman daha iyi kümelemeyi gösterir
- Hem sıkılığı (küçük çap) hem de ayrışmayı (büyük minimum mesafe) doğrudan ölçer
- Herhangi bir mesafe metriği ve kümeleme algoritmasıyla çalışır
- Harici etiket gerektirmez; tamamen denetimsiz değerlendirme
- Hesaplama açısından maliyetli; tüm ikili mesafelerin ve küme çaplarının hesaplanmasını gerektirir
- Kompakt, iyi ayrılmış kümelere eğilimlidir; konveks olmayan veya yoğunluğu değişen kümelemelerde kötü performans gösterir
- Aykırı değerlere duyarlıdır; tek bir aykırı değer küme çapını önemli ölçüde artırabilir
- Kümelerin çok farklı boyutlarda veya yoğunluklarda olduğu durumlarda yanıltıcı olabilir
SSS
İyi bir Dunn İndeksi değeri nedir?
Daha yüksek daha iyidir; evrensel bir eşik değeri yoktur, ancak 1.0'dan büyük değerler genellikle iyi ayrılmış kümeleri gösterir. Yorumlama göreceli olmalıdır: en iyi çözümü seçmek için farklı küme sayıları veya farklı algoritmalar arasındaki Dunn İndeksi değerlerini karşılaştırın.
Dunn İndeksi neden hesaplama açısından maliyetlidir?
Dunn İndeksi, kümeler arası minimum mesafeyi ve küme içi maksimum çapı belirlemek için tüm nokta çiftleri arasındaki mesafenin hesaplanmasını gerektirir. n nokta için bu, O(n^2) mesafe hesaplaması gerektirir, bu da büyük veri kümeleri için aşırı derecede maliyetlidir.
Dunn İndeksi aykırı değerlere ne kadar duyarlıdır?
Yüksek derecede duyarlıdır. Tek bir aykırı değer bir kümenin çapını önemli ölçüde artırarak Dunn İndeksini düşürebilir. İndeksi hesaplamadan önce aykırı değerleri işlemek için verileri önceden işleyin veya aşırı değerlerin etkisini sınırlayan sağlam varyantları kullanın.
Optimal küme sayısını seçmek için Dunn İndeksini kullanabilir miyim?
Evet; farklı küme sayıları için Dunn İndeksini hesaplayın ve indeksi maksimize eden k'yı seçin. Ancak, hesaplama maliyeti nedeniyle, bu yaklaşım yalnızca küçük ve orta ölçekli veri kümeleri için pratiktir.
Kaynaklar
- Dunn, J. C. (1974). Well-separated clusters and optimal fuzzy partitions. Journal of Cybernetics, 4(1), 95-104. DOI: 10.1080/01969727408546059 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Dunn Index for Cluster Compactness and Separation. ScholarGate. https://scholargate.app/tr/model-evaluation/dunn-index
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Calinski-Harabasz İndeksiModel değerlendirme↔ karşılaştır
- Davies-Bouldin İndeksiModel değerlendirme↔ karşılaştır
- Gap İstatistiğiModel değerlendirme↔ karşılaştır
- EylemsizlikModel değerlendirme↔ karşılaştır
- Siluet KatsayısıModel değerlendirme↔ karşılaştır