d******4
发帖数: 132 | 1 一次电面，一个amazon manager问我这个问题。一时不知所措不知道如何回答。我说最
终我们还是需要 class label 的信息吧？她说这是unsupervised learning, no class
label. |
E*********g
发帖数: 185 | 2 网上找了一下
External Index: Used to measure the extent to which cluster
labels match externally supplied class labels.
- Entropy
Internal Index: Used to measure the goodness of a clustering
structure without respect to external information.
- Sum of Squared Error (SSE)
Relative Index: Used to compare two different clusterings or
clusters.
- Often an external or internal index is used for this function, e.g., SSE
or
entropy
class
【在 d******4 的大作中提到】
: 一次电面，一个amazon manager问我这个问题。一时不知所措不知道如何回答。我说最
: 终我们还是需要 class label 的信息吧？她说这是unsupervised learning, no class
: label.
|
s****h
发帖数: 3979 | 3 楼上找得挺好，这两个方法应该都有效：
基于cluster的metrics，和entropy
看过有人这样弄：
方法A，和方法B，分别搞出一个vector
然后基于vector跑SVM, 方法A结果更好，所以号称方法A生成的vector更有代表性。
上次有人问LDA如何evaluate，不是有人回答么？当时没继续看如何做的，是不是也算？ |
h*****a
发帖数: 1 | |
T*****u
发帖数: 7103 | 5 如果有外部信息就用外部信息。如果没有外部信息就用cluster出来的结果去train相应
的supervised learning method，loo，看看是不是coherent。或者把data随机打开一
半一半，看看是不是给出相似的结果，一个方法收敛至少要能“自圆其说”。 |
d******4
发帖数: 132 | |
