MATLAB聚类评价指标计算

发现网上很少关于MATLAB聚类评价指标如CHI、DBI以及轮廓系数的计算，其实使用一个内置函数就搞定了，但是看到很多人在重复造轮子。

evalclusters()函数

用法：

eva= evalclusters(data,clust,'xxx');

data：不带标签的原始数据。
clust：聚类后的标签，参数可以是字符串或者矩阵，字符串了话就要写matlab规定的聚类算法，比如’kmeans’。如果你用的不是matlab自带的聚类算法去聚类的，而是想评估自己写的聚类算法性能，那么clust就填写你聚类结果的标签矩阵 Label (标签) 就行了，比如你的数据data是NM的，N是样本个数，M是特征维数。那么标签矩阵 Label (标签) 就是N1的矩阵，代表聚类后每个样本的标签，这样就可以输出评估结果了。
‘xxx’：可以选择四种评价指标：’CalinskiHarabasz’ | ‘DaviesBouldin’ | ‘ gap (差距) ’ | ‘silhouette’
‘CalinskiHarabasz’: Calinski-Harabasz index (指数) (CHI，越大越好)
‘DaviesBouldin’: Davies-Bouldin index (指数) (用的最多，越小越好)
‘ gap (差距) ’: gap (差距) statistic (统计) (越大越好)
‘silhouette’: silhouette coefficient (SC，轮廓系数，越大越好)

MATLAB代码

附件一.xlsx

代码

clear
clc

% kmeans聚类中有效性评价指标测试

% 问题一
Data = xlsread('附件1.xlsx');
% 数据标准化处理
Data1 = Data(2:426,2:3349);
% 建立空数组
arzs = zscore(Data1);
% 使用kmeans聚类函数
[ind,C]=kmeans(arzs,4);

data = Data1;
label = ind; % 真实标签

eva_DBI_1= evalclusters(data,label,'DaviesBouldin');
eva_SC_1= evalclusters(data,label,'silhouette');
eva_CHI_1= evalclusters(data,label,'CalinskiHarabasz');

% 这三个变量即为结果
DBI_1 = eva_DBI_1.CriterionValues; % 越小越好
SC_1 = eva_SC_1.CriterionValues; % 越大越好
CHI_1 = eva_CHI_1.CriterionValues; % 越大越好

运行结果

DBI_1 = 0.614370044401414; % 越小越好
SC_1 = 0.724336668984950; % 越大越好
CHI_1 = 1.298586390458516e+03; % 越大越好

参考

1. https://www.mathworks.com/help/stats/evalclusters.html
2. https://www.cnblogs.com/kailugaji/p/16169796.html