如何在C++中自定義聚類算法評價指標

在C++中，你可以通過以下步驟自定義聚類算法評價指標：

1. 引入必要的頭文件：

#include <iostream>
#include <vector>
#include <cmath>
#include <numeric>

2. 定義一個函數來計算聚類結果的質量。這里我們使用輪廓系數（Silhouette Coefficient）作為示例：

double silhouette_coefficient(const std::vector<std::vector<double>>& data, const std::vector<int>& labels) {
    int n = data.size();
    if (n == 0) return 0;

    double a = 0; // 平均距離
    double b = 0; // 最小平均距離

    for (int i = 0; i < n; ++i) {
        for (int j = i + 1; j < n; ++j) {
            if (labels[i] == labels[j]) {
                double distance = euclidean_distance(data[i], data[j]);
                a += distance;
            } else {
                double distance = euclidean_distance(data[i], data[j]);
                b = std::min(b, distance);
            }
        }
    }

    return (n - b) / n - (a - b) / (2 * n);
}

3. 定義一個函數來計算歐幾里得距離：

double euclidean_distance(const std::vector<double>& a, const std::vector<double>& b) {
    double sum = 0;
    for (size_t i = 0; i < a.size(); ++i) {
        sum += std::pow(a[i] - b[i], 2);
    }
    return std::sqrt(sum);
}

4. 使用你的自定義評價指標函數評估聚類結果。例如，假設你有一個名為clustered_data的向量，其中包含聚類后的數據點，以及一個名為cluster_labels的向量，其中包含每個數據點的聚類標簽：

std::vector<std::vector<double>> clustered_data = {{1, 2}, {1, 4}, {1, 0}, {10, 2}, {10, 4}, {10, 0}};
std::vector<int> cluster_labels = {0, 0, 0, 1, 1, 1};

double score = silhouette_coefficient(clustered_data, cluster_labels);
std::cout << "Silhouette Coefficient: " << score << std::endl;

這個例子中，我們使用了輪廓系數作為聚類評價指標。你可以根據需要修改silhouette_coefficient函數來實現其他評價指標。