私は 2 つの実装を持っています。1 つは K-Means で、もう 1 つはソフト クラスタリングを行う EM です。しかし、精度の点でそれらを検証する方法がわかりません。つまり、より優れたクラスターを取得することで、どちらがより優れたパフォーマンスを発揮するかということです。私の推測では、EM は K-Means で発生するハード割り当てではなくソフト割り当てを行っているためです。EM の方がパフォーマンスは優れていますが、この比較を行う方法がわかりません...
EM ソフト クラスタリングと K-Means の精度をベンチマークするにはどうすればよいですか? また、合成データに関する提案はありますか?
ファジー クラスタリングを評価すること自体が困難です。どこかで共通インデックスの 1 つのバリエーションを見たことがあると思います。
しかし、まず次の質問に答えてみてください。
クラスタリング アルゴリズムは説明ツールであると想定されているため、ラベル付けされた合成データのパフォーマンスを本当に判断できるでしょうか? それとも、「現場」に出て、データから何か新しいことを学ぼうとして、品質を測定しませんか?
これは数学の問題ではありません。
EM は、そのあいまいな割り当てのため、k-means よりも局所的最小値に行き詰まる可能性が低くなります。少なくとも理論上は。同時に、収束することはありません。ロイドの k-means は、有限性引数のために (他の距離ではなく、二乗ユークリッドで) 収束する必要があります。同じ議論はファジーアルゴリズムには当てはまりません。
k-means では最適解が得られないシナリオを構築してみて、EM でより良い結果が得られるかどうかを確認してください。