Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Індекс Данна× | Метод ліктя× | |
|---|---|---|
| Галузь | Оцінювання моделей | Оцінювання моделей |
| Родина | MCDM | MCDM |
| Рік появи≠ | 1974 | 1953 |
| Автор методу≠ | Joseph C. Dunn | Robert Thorndike |
| Тип≠ | Cluster quality metric | Heuristic optimization criterion |
| Основоположне джерело≠ | Dunn, J. C. (1974). Well-separated clusters and optimal fuzzy partitions. Journal of Cybernetics, 4(1), 95-104. DOI ↗ | Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗ |
| Інші назви | Dunn's index, separation coefficient | elbow analysis, knee detection |
| Пов'язані | 5 | 5 |
| Підсумок≠ | The Dunn Index, introduced by Joseph C. Dunn in 1974, is a metric that captures cluster quality by measuring the ratio of the minimum between-cluster distance to the maximum within-cluster diameter. Higher values indicate well-separated and compact clusters, with better clustering quality. | The Elbow Method is a heuristic for selecting the optimal number of clusters in partitional clustering. Introduced by Robert Thorndike in 1953, it involves fitting clustering models for increasing numbers of clusters and plotting the within-cluster sum of squares (WCSS) against the number of clusters. The 'elbow' occurs where the rate of WCSS decrease sharply changes, suggesting an optimal cluster count. |
| ScholarGateНабір даних ↗ |
|
|