<\/p>\n
Indeks Rand<\/strong> adalah cara untuk membandingkan kesamaan hasil antara dua metode pengelompokan yang berbeda.<\/span><\/p>\n Sering dilambangkan R<\/em> , indeks Rand dihitung sebagai berikut:<\/span><\/p>\n R<\/em> = (a+b) \/ ( n<\/sub> C 2<\/sub> )<\/strong><\/span><\/p>\n Emas:<\/span><\/p>\n Indeks Rand selalu mengambil nilai antara 0 dan 1 dimana:<\/span><\/p>\n Contoh berikut mengilustrasikan cara menghitung indeks Rand antara dua metode pengelompokan untuk kumpulan data sederhana.<\/span><\/p>\n Misalkan kita memiliki kumpulan data berikut yang terdiri dari lima elemen:<\/span><\/p>\n Dan misalkan kita menggunakan dua metode pengelompokan yang menempatkan setiap elemen ke dalam kelompok berikut:<\/span><\/p>\n Untuk menghitung indeks Rand antara metode pengelompokan ini, pertama-tama kita perlu menuliskan semua kemungkinan pasangan tak berurutan dalam kumpulan data lima elemen:<\/span><\/p>\n Ada 10<\/strong> pasangan tak berurutan.<\/span><\/p>\n Selanjutnya, kita perlu menghitung a<\/strong> , yang mewakili jumlah pasangan tak berurutan yang termasuk dalam cluster yang sama di kedua metode clustering:<\/span><\/p>\n Dalam hal ini, a = 1<\/strong> .<\/span><\/p>\n Selanjutnya, kita perlu menghitung b<\/strong> , yang mewakili jumlah pasangan tak berurutan milik cluster berbeda dalam dua metode clustering:<\/span><\/p>\n Dalam hal ini, b = 5<\/strong> .<\/span><\/p>\n Terakhir, kita dapat menghitung indeks Rand sebagai berikut:<\/span><\/p>\n Indeks Rand adalah 0,6<\/strong> .<\/span><\/p>\n Kita dapat menggunakan fungsi rand.index()<\/strong> dari paket fosil<\/strong> untuk menghitung indeks Rand antara dua metode pengelompokan di R:<\/span><\/p>\n Indeks Rand adalah 0,6<\/strong> . Ini sesuai dengan nilai yang kami hitung secara manual.<\/span><\/p>\n Kita dapat mendefinisikan fungsi berikut dengan Python untuk menghitung indeks Rand antara dua cluster:<\/span><\/p>\n Indeks Rand ternyata 0,6<\/strong> . Ini sesuai dengan nilai yang dihitung pada contoh sebelumnya.<\/span><\/p>\n Pengantar Pengelompokan K-Means<\/a> Indeks Rand adalah cara untuk membandingkan kesamaan hasil antara dua metode pengelompokan yang berbeda. Sering dilambangkan R , indeks Rand dihitung sebagai berikut: R = (a+b) \/ ( n C 2 ) Emas: a: berapa kali sepasang elemen menjadi anggota cluster yang sama menurut dua metode clustering. b: berapa kali sepasang elemen termasuk dalam cluster […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
\n
Contoh: Cara menghitung indeks Rand<\/strong><\/span><\/h3>\n
\n
\n
\n
\n
\n
\n
Cara menghitung indeks Rand di R<\/strong><\/span><\/h3>\n
library<\/span> (fossil)\n\n#define clusters\n<\/span>method1 <- c(1, 1, 1, 2, 2)\nmethod2 <- c(1, 1, 2, 2, 3)\n\n#calculate Rand index between clustering methods\n<\/span>rand. index<\/span> (method1, method2)\n\n[1] 0.6\n<\/strong><\/span><\/pre>\n Cara Menghitung Indeks Rand dengan Python<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\nfrom<\/span> scipy. special<\/span> import<\/span> comb\n\n#define Rand index function\n<\/span>def<\/span> rand_index<\/span> (actual, pred):\n\n tp_plus_fp = comb(np. bincount<\/span> (actual), 2). sum<\/span> ()\n tp_plus_fn = comb(np. bincount<\/span> (pred), 2). sum<\/span> ()\n A = np. c_<\/span> [(actual, pred)]\n tp = sum(comb( np.bincount<\/span> (A[A[:, 0] == i, 1]), 2) .sum<\/span> ()\n for<\/span> i in<\/span> set(actual))\n fp = tp_plus_fp - tp\n fn = tp_plus_fn - tp\n tn = comb(len(A), 2) - tp - fp - fn\n return<\/span> (tp + tn) \/ (tp + fp + fn + tn)\n\n#calculate Rand index\n<\/span>rand_index([1, 1, 1, 2, 2], [1, 1, 2, 2, 3])\n\n0.6<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Pengantar pengelompokan K-Medoids<\/a>
Pengantar pengelompokan hierarki<\/p>\n","protected":false},"excerpt":{"rendered":"