<\/p>\n
Indeks Rand<\/strong> umo\u017cliwia por\u00f3wnanie podobie\u0144stwa wynik\u00f3w uzyskanych pomi\u0119dzy dwiema r\u00f3\u017cnymi metodami grupowania.<\/span><\/p>\n Cz\u0119sto oznaczany jako R<\/em> , indeks Rand oblicza si\u0119 w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n R<\/em> = (a+b) \/ ( n<\/sub> do 2<\/sub> )<\/strong><\/span><\/p>\n Z\u0142oto:<\/span><\/p>\n Indeks Rand zawsze przyjmuje warto\u015b\u0107 z zakresu od 0 do 1, gdzie:<\/span><\/p>\n Poni\u017cszy przyk\u0142ad ilustruje spos\u00f3b obliczenia indeksu Rand mi\u0119dzy dwiema metodami grupowania dla prostego zbioru danych.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105cy zbi\u00f3r danych sk\u0142adaj\u0105cy si\u0119 z pi\u0119ciu element\u00f3w:<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce u\u017cywamy dw\u00f3ch metod grupowania, kt\u00f3re umieszczaj\u0105 ka\u017cdy element w nast\u0119puj\u0105cych klastrach:<\/span><\/p>\n Aby obliczy\u0107 indeks Rand pomi\u0119dzy tymi metodami grupowania, musimy najpierw zapisa\u0107 wszystkie mo\u017cliwe pary nieuporz\u0105dkowane w pi\u0119cioelementowym zbiorze danych:<\/span><\/p>\n Istnieje 10<\/strong> par nieuporz\u0105dkowanych.<\/span><\/p>\n Nast\u0119pnie musimy obliczy\u0107 a<\/strong> , kt\u00f3re reprezentuje liczb\u0119 par nieuporz\u0105dkowanych nale\u017c\u0105cych do tego samego klastra w obu metodach grupowania:<\/span><\/p>\n W tym przypadku a = 1<\/strong> .<\/span><\/p>\n Nast\u0119pnie musimy obliczy\u0107 b<\/strong> , kt\u00f3re reprezentuje liczb\u0119 par nieuporz\u0105dkowanych nale\u017c\u0105cych do r\u00f3\u017cnych skupie\u0144 w dw\u00f3ch metodach grupowania:<\/span><\/p>\n W tym przypadku b = 5<\/strong> .<\/span><\/p>\n Na koniec mo\u017cemy obliczy\u0107 indeks Rand w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n Indeks Rand wynosi 0,6<\/strong> .<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 funkcji rand.index()<\/strong> z pakietu paliwowego<\/strong> do obliczenia indeksu Rand pomi\u0119dzy dwiema metodami grupowania w R:<\/span><\/p>\n Indeks Rand wynosi 0,6<\/strong> . Odpowiada to warto\u015bci, kt\u00f3r\u0105 obliczyli\u015bmy r\u0119cznie.<\/span><\/p>\n Mo\u017cemy zdefiniowa\u0107 nast\u0119puj\u0105c\u0105 funkcj\u0119 w Pythonie, aby obliczy\u0107 indeks Rand mi\u0119dzy dwoma klastrami:<\/span><\/p>\n Indeks Rand wynosi 0,6<\/strong> . Odpowiada to warto\u015bci obliczonej w poprzednich przyk\u0142adach.<\/span><\/p>\n Wprowadzenie do grupowania K-\u015brednich<\/a> Indeks Rand umo\u017cliwia por\u00f3wnanie podobie\u0144stwa wynik\u00f3w uzyskanych pomi\u0119dzy dwiema r\u00f3\u017cnymi metodami grupowania. Cz\u0119sto oznaczany jako R , indeks Rand oblicza si\u0119 w nast\u0119puj\u0105cy spos\u00f3b: R = (a+b) \/ ( n do 2 ) Z\u0142oto: a: ile razy para element\u00f3w nale\u017cy do tego samego skupienia, zgodnie z dwiema metodami grupowania. b: ile razy para element\u00f3w nale\u017cy […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1641","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
\n
Przyk\u0142ad: Jak obliczy\u0107 indeks Rand<\/strong><\/span><\/h3>\n
\n
\n
\n
\n
\n
\n
Jak obliczy\u0107 indeks Rand w 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 Jak obliczy\u0107 indeks Rand w Pythonie<\/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 Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Wprowadzenie do grupowania K-Medoids<\/a>
Wprowadzenie do grupowania hierarchicznego<\/p>\n","protected":false},"excerpt":{"rendered":"