x_cluster和score 怎么理解;为什么要有这两步
#轮廓系数评估模型效果
from sklearn import metrics#调用sklearn的metrics库
x_cluster=model.fit_predict(x)
score=metrics.silhouette_score(x,x_cluster)
print(score)
x_cluster和score 怎么理解;为什么要有这两步
#轮廓系数评估模型效果
from sklearn import metrics#调用sklearn的metrics库
x_cluster=model.fit_predict(x)
score=metrics.silhouette_score(x,x_cluster)
print(score)
model.fit_predict(x)函数对数据x进行聚类,x_cluster是聚类结果的,就是得到每个数据点的类标签。
然后用metrics.silhouette_score()对聚类结果的好坏进行评价,计算每个数据点的轮廓系数(silhouette coefficient)再取平均。轮廓系数的值是介于 [-1,1] ,越趋近于1代表内聚度和分离度都相对较优。
参考链接 https://blog.csdn.net/qq_14997473/article/details/96840513