1.概述
1.1 应用场景
聚类性能评估算子是用于评估聚类算法在测试集上的性能，确保聚类结果准确性和有效性的重要步骤，其应用场景广泛，涵盖了多个领域。例如在社交网络中，聚类分析可以用于识别社区或群体，分析用户之间的关系。聚类性能评估可以帮助验证社交网络中社区划分的合理性，从而深入了解用户行为和社交动态。
1.2 功能介绍
Calinski-Harabasz分数：CH指标是通过计算类中各点与类中心的距离的平方和，来度量类内的紧密度。计算各类中心点与数据集中心点的距离平方和，度量数据集的分离度，CH指标由分离度与紧密度的比值得到。CH越大，代表类自身越紧密，类于类之间越分散，聚类结果更优。
轮廓系数：是聚类效果好坏的一种评价方式，它结合内聚度和分离度两种因素。取值范围[-1，1]，最佳值为1，最差值为-1。轮廓系数越接近1，聚类效果越好。接近0的值表示重叠的群集。负值通常表示样本已分配给错误的聚类，因为不同的聚类更为相似。
输入：模型应用节点输出的数据集。
输出：性能指标（Calinski-Harabasz分数、轮廓系数），聚类后结果散点图。
2.配置方法
2.1拖入节点
将聚类性能评估节点添加到聚类算法模型实验后，可通过右侧的“配置项目”页面，对聚类性能评估节点进行设置。
2.2参数列表
【性能指标保留位数】参数值为正数时，保留小数点后的位数，参数值为负数时，保留小数点前的位数。请选择大于1的整数。
2.3选择变量
特征列：选择需要计算的特征字段，必须选择一个字段。
目标列：选择目标列，必须选择一个字段。
选择数据页面操作见节点 >选择数据。
3.查看结果
可通过连接多视图节点查看结果或连接表格视图来查看性能指标，连接图片视图来查看聚类后结果散点图。
