机器学习 · 函数

聚类评估

评估聚类效果（轮廓系数、CH指数、DB指数）。

调用签名(特征, 标签, 评估方法: 'str' = 'all')

聚ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 聚类评估
设 结果 = 机器学习.聚类评估(
    特征=[1, 2, 3, 4],  # 必填；按函数业务含义传入 特征;首次使用建议先 打印(...
    标签=[1, 2, 3, 4],  # 必填；按函数业务含义传入 标签;首次使用建议先 打印(...
    评估方法='all',  # 可选；字符串类型的 评估方法 参数,按函数业务含义传入...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

特征可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入特征;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '特征';检查调用是否漏了这行

标签可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入标签;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '标签';检查调用是否漏了这行

评估方法可选 · 默认 'all'

str位置参数或字段名=值

字符串类型的评估方法参数,按函数业务含义传入对应文本。

常见错误：传非字符串会报 TypeError;按字符串类型传值

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 聚类评估
设 结果 = 机器学习.聚类评估(
    特征=[1, 2, 3, 4],  # 必填；按函数业务含义传入 特征;首次使用建议先 打印(...
    标签=[1, 2, 3, 4],  # 必填；按函数业务含义传入 标签;首次使用建议先 打印(...
    评估方法='all',  # 可选；字符串类型的 评估方法 参数,按函数业务含义传入...
)
打印(结果)

# 进阶组合:聚类评估 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.聚类评估(
    特征=[1, 2, 3, 4],  # 必填
    标签=[1, 2, 3, 4],  # 必填
    评估方法='all',  # 可选
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 2 个必填参数

## 参数 1: 特征
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.聚类评估()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.聚类评估(特征=[1, 2, 3, 4])

## 参数 2: 标签
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.聚类评估()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.聚类评估(标签=[1, 2, 3, 4])
打印(结果)