高维空间中分离“优”的函数定义

Question

我有存在于高维空间中的二进制分类数据，但我有大量的选项，用于表示数据的精确子空间。如何计算给定高维空间中二进制数据集群的性能？

下面是一个特殊的高维表示的例子，用t-sne表示为2D (为了可视化目的，数据保存在高D空间中)。

​

​

我想用一种函数式的方法来表示“这个空间是x，擅长分离True和False数据”，这样就可以将数据的空间表示与其他空间表示进行比较。

Answer 1

还没有实现它，但我认为这是可行的：

• 使用k-均值聚类来定义数据簇，
• 计算abs(0.5 - numTrue/(numTrue+numFalse))*2，以获得一个特定集群在分离True和Flase数据时的性能，Flase数据
• 根据

H 110所有“标准化好”之和来标准化每个集群的所有“好”，这就是h 211f 212的好程度。