調整されたランドインデックスと調整された相互情報量

クラスタリングのパフォーマンスを評価しようとしています。メトリックに関するスキスチ学習ドキュメントを読んでいました。ARIとAMIの違いがわかりません。彼らは2つの異なる方法で同じことをしているように私には思えます。

ドキュメントからの引用：

グラウンドトゥルースクラスの割り当てlabels_trueと、同じサンプルlabels_predのクラスタリングアルゴリズムの割り当てに関する知識がある場合、調整されたRandインデックスは、順列を無視し、偶然に正規化して、2つの割り当ての類似性を測定する関数です。

対

グラウンドトゥルースクラスの割り当てlabels_trueと、同じサンプルlabels_predのクラスタリングアルゴリズムの割り当てに関する知識がある場合、相互情報は、順列を無視して2つの割り当ての一致を測定する関数です... AMIはより最近提案され、正規化されています。機会。

クラスタリング評価で両方を使用する必要がありますか、それとも冗長ですか？

それらは、すべてがクラスタリングを比較しようとするダースのうち2つです。

しかし、それらは同等ではありません。彼らは異なる理論を使用しています。

時々、ARIは1つの結果を優先し、AMIは別の結果を優先する場合があります。しかし、彼らはしばしば（数ではなく）好みに同意します。

経験則は次のとおりです。

• グラウンドトゥルースクラスタリングに同じサイズの大きなクラスターがある場合は、ARIを使用します。
• 宇佐AMIグランドトゥルースクラスタリングがあるときにアンバランスと小さなクラスターが存在します

私はこのトピックに取り組みました。参照：チャンスクラスタリング比較メジャーの調整