Indice de Dunn

L'indice de Dunn est une mesure de qualité d'une partition d'un ensemble de données en classification automatique[1].

Pour les articles homonymes, voir Dunn.

C'est le rapport entre la distance maximum qui sépare deux éléments classés ensemble et la distance minimum qui sépare deux éléments classés séparément.

C'est un indice qui ne repose pas sur une distance particulière et qui peut donc être utilisée dans une grande variété de situations.

Une alternative à l'indice de Dunn est l'indice de Davies-Bouldin.

Expression

Position du problème

Si l'on note la matrice des données, dont chaque ligne correspond à un individu (ou observation) et chaque colonne correspond à un prédicteur (ou variable). On note le nombre d'individus et le nombre de prédicteurs :

Notons la dissimilarité entre les individus et (respectivement, ligne et de ). Notons le nombre de groupes que l'on souhaite former.

Un algorithme de partitionnement donnera une fonction d'attribution dont on cherche à évaluer la pertinence par un score. L'ensemble des points appartenant à un groupe est alors donné par .

Expression de l'indice de Dunn

L'indice (ou score) de Dunn, , se base sur les points moyens de chaque groupe et le diamètre du groupe .

Il aura pour expression[2] :

Elle peut varier un peu selon les implémentations (définition du diamètre d'un groupe, distance entre centres remplacée par une autre distance entre groupe).

Propriétés

Domaine de variation

L'indice de Dunn varie entre 0 (pire classification) et (meilleure classification).

Complexité


Notes et références

  1. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters, Dunn, Joseph C., Journal of Cybernetics, 1973.
  2. (en) « Clustering Indices », sur cran.r-project.org (consulté le 19 juin 2019)

Voir aussi

  • Portail de l’informatique
Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Sharealike. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.