什么是 Calinski-Harabasz 指数（CH）？
Calinski-Harabasz 指数（CH）是用每个簇自由度下的簇间离散度除以每个残差自由度下的簇内离散度，用于评估聚类内部质量的指标。
快速了解
| 创建时间 | 1974 年由 Tadeusz Caliński 与 Jerzy Harabasz 提出 |
|---|---|
| 规范文档 | 官方规范 |
工作原理
公式必须保留自由度校正
Caliński 与 Harabasz 的原始论文在 Dendrite 聚类方法中提出方差比，作为最佳分组数量的非正式指标。k-1 和 n-k 两个因子属于指标定义；省略后得到的是另一统计量，也会让增加簇数显得虚假有利。
显式处理零残差离散度
标准分数要求 2 <= k <= n-1。如果每个成员都与所属簇质心重合，W 为 0，根据实现约定，比值会变为无穷或没有定义。不要把这种情况静默替换为普通有限分数；应记录重复样本、单例簇、数值精度、预处理和退化划分处理方式。
不要把高方差比解释成语义事实
当前 scikit-learn 文档通过簇间与簇内离散度定义该分数。两者都使用到质心的平方欧氏距离，因此指标偏好紧致凸形划分。只比较条件兼容的候选，并另外检查其他几何、稳定性和真实业务用途。
主要特点
- 使用自由度校正后的簇间与簇内离散度比值
- 没有固定上界，在同一协议下通常越高越好
- 至少需要两个簇和一个残差自由度
- 可通过簇计数、质心和平方和高效计算
- 偏好适合平方欧氏质心几何的聚类结构
- 不提供 p 值，也不能证明簇具有真实意义
常见用途
- 为基于质心的方法筛选候选簇数
- 在冻结评测数据上比较特征管线
- 表示版本更新后跟踪方差比变化
- 在聚类模型选择中组合多项内部指标
- 发现簇内离散度过大的候选划分
示例
loading...
Loading code...常见问题
Calinski-Harabasz 指数如何计算？
先计算簇间平方和 `B` 与簇内平方和 `W`，再用 `B/(k-1)` 除以 `W/(n-k)`。两个自由度因子属于指标定义，不能省略。
Calinski-Harabasz 指数越高一定越好吗？
只有在相同记录、特征、缩放和实现下比较兼容候选时，才通常以更高为优。它没有统一上界，高分也可能只是奖励紧致凸形几何，而不是符合目标语义。
Calinski-Harabasz 指数能跨数据集比较吗？
不能把它当作绝对质量分数。样本量、维度、尺度、离群点和簇数都会影响结果。应在冻结协议下做相对模型选择，并随结果保留完整评测上下文。
簇内离散度为零时会怎样？
分母会变为 0，方差比因此为无穷或没有定义。这可能来自重复样本或退化的单例式划分。应检测并报告该条件，而不是把它转换成普通有限分数。
生产评测中应如何使用 Calinski-Harabasz 指数？
应同时使用轮廓系数、Davies-Bouldin 指数、随机种子与重采样稳定性、簇规模和离群点诊断，并在可用时加入参考划分指标和真实下游工作流效果。