評估指標

DBSCAN 分出的群可以是月牙形,還會標出雜訊點 — 拿一般分群指標來評它常會失真,要用密度式的專屬量尺。

核心觀念

DBCV(Density-Based Clustering Validation)專門評估密度式分群品質,依密度而非距離中心計分,能公平對待不規則形狀的群。群集穩定度是 HDBSCAN 的內建概念:一個群在不同密度門檻下存活越久,越可靠。雜訊點比例衡量異常檢測效果 — 太高可能參數太嚴,太低可能把雜訊硬塞進群。

白話理解

信用卡盜刷偵測:正常消費形成幾團高密度的群,盜刷交易散落在外成為雜訊點。此時雜訊點比例就是異常檢測成績的直接讀數,配合人工覆核驗證。

評估重點

• DBCV:密度式分群的專屬品質指標
• 群集穩定度:HDBSCAN 內建,群存活越久越穩
• 雜訊點比例:異常檢測效果的直接指標
• 輪廓係數僅在群集形狀較規則時參考 — 雜訊點與非凸形群集會讓它的解讀變怪

🎯 口訣:密度分群用密度尺,DBCV 才是自己人;輪廓係數只信規則形。

iPAS 考點

考「DBSCAN 的分群結果如何評估」時,陷阱選項往往就是輪廓係數 — 它假設群是凸形,對月牙形群與雜訊點會失真。判斷關鍵字:密度式、雜訊點、不規則形狀 → DBCV 與群集穩定度;「能自動標出離群點的分群法」→ DBSCAN 家族。