クラスタリング妥当性

クラスタリングの“妥当性”に関する手法 何のための妥当性？という話でもあります。 これ自体は目 的が無い Xのクラスタリ ング妥当性評価 目的がある 評価 観測データ 説明変数 (X) 説明変数（X)の 目的変数(y)も用 みの解析による いた解析による 目的変数(y) シルエット解析 エルボー法 情報量基準 ABテスト

クラスタリングの“妥当性”に関する手法 Xのみ：同じクラスター数でも異なるクラスターが得られる場合もあります。 シルエット分析：「幅」を揃える。 https://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_silhouette_analysis.html#sphx-glr-autoexamples-cluster-plot-kmeans-silhouette-analysis-py エルボー法：カクっと曲がる。 Kmeansインスタンスの.inertia_もしくは.scoreを用いる。 https://stackoverflow.com/questions/41540751/sklearn-kmeans-equivalent-of-elbow-method GaussianMixtureインスタンス：情報量基準。 .AIC, .BICなどが計算できる。 https://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html yと組み合わせる いわゆるABテスト(A/Bテスト）：カテゴリ分けは何かの目的のためにあるので、クラスターがどの程度その目的 に合うのか実験して検証する

• https://scikit-learn.org/stable/auto_examples/cluster/plot_kmeans_silhouette_analysis.html#sphx-glr-auto-examples-cluster-plot-kmeans-silhouette-analysis-py
• https://stackoverflow.com/questions/41540751/sklearn-kmeans-equivalent-of-elbow-method
• https://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html