我正在为ELKI elki-bundle-0.7.1提供类别标签
它提供了很多统计数据，例如下面但我无法找到有关它们的信息？
我知道f1测量，精确度和召回但是如何有多种措施？他们应该根据聚类结果计算出来吗？
谢谢
Jaccard 0.3851744186046512
F1-Measure 0.5561385099685204
Precision 0.6463414634146342
Recall 0.4880294659300184
Rand 0.8368055555555556
ARI 0.458537539334965
FowlkesMallows 0.5616348272664993
NMI Joint 0.5758289911830176
NMI Sqrt 0.7309481146561948
F1-Measure 0.7033781601851384
Recall 0.6901589423648247
Precision 0.7171136653895275
F1-Measure 0.7702702702702702
Purity 0.7916666666666667
Inverse Purity 0.7499999999999998
F1-Measure 0.6312576312576313
Precision 0.6527777777777778
Recall 0.6111111111111112
Mean +-0.2958 0.703636303877176
答案 0 :(得分：0)
请参阅ELKI文档。我们实施了许多评估措施。以下是http://elki.dbs.ifi.lmu.de/wiki/RelatedPublications
列表中的摘录剪影：
P上。 J. Rousseeuw
剪影：对聚类分析的解释和验证的图形辅助 在：计算与应用数学期刊，第20卷
兰德指数：
兰德，W。M. 聚类方法评估的客观标准 在：美国统计协会杂志，卷。 66 Issue 336
Fowlkes-锦葵：
Fowlkes，E.B。和Mallows，C.L。
一种比较两个层次聚类的方法
BCubed：
一个。 Bagga和B. Baldwin
使用向量空间模型的基于实体的跨文档核心参考 在：Proc。 COLING '98第17届计算语言学国际会议论文集
编辑距离：
Pantel，P。和Lin，D。
文件聚类与委员会
在：Proc。第25届ACM SIGIR信息检索研究与发展会议
基于熵的措施：
Meilă，M。
通过信息的变化比较聚类 在：学习理论和内核机器Nguyen，X。V.和Epps，J。和Bailey，J。
聚类比较的信息理论措施：是否需要对机会进行修正？
在：Proc。 ICML '09第26届机器学习国际会议论文集
Set-Matching纯度：
Steinbach，M。和Karypis，G。和Kumar，V 文档聚类技术的比较
在：KDD文本挖掘研讨会，2000年电子。 Amigó，J。Gonzalo，J。Artiles和F. Verdejo 基于形式约束的外在聚类评价指标的比较 在：Inf。检索，卷。 12，不。 5
Meilă，M
比较聚类
在：华盛顿大学，西雅图，技术报告418,2002Zhao，Y。和Karypis，G。
文档聚类的标准函数：实验和分析
在：明尼苏达大学，计算机科学系，技术报告01-40,2001
C-指数：
升。 J. Hubert和J. R. Levin
评估自由回忆中分类聚类的一般统计框架 在：心理公报，卷。 83（6）
协调对：
F。 B. Baker和L. J. Hubert
测量分层聚类分析的功效
在：美国统计学会杂志，70（349）F。 J. Rohlf
比较分类的方法
在：生态学和系统学年度回顾
戴维斯-尔丁：
d。 L. Davies和D. W. Bouldin
群集分离措施
在：IEEE交易模式分析和机器智能PAMI-1（2）
PBM：
微米。 K. Pakhira和S. Bandyopadhyay，以及U. Maulik 清晰和模糊聚类的有效性指数
在：模式识别，37（3）
方差 - 比率标准：
R上。 B. Calinski和J. Harabasz
聚类分析的枝状方法
在：统计通信 - 理论与方法，3（1）
我们也有DBCV，但代码未经审核和合并。
我个人的建议是使用调整后的兰德指数，因为调整机会很好。 ARI小于0意味着结果比随机差。几乎所有其他措施，即使是随机的结果也会得分。