Python案例如何用Scikit-learn做邓恩指数

wen python案例 2026-07-16 1

Python案例：如何用Scikit-learn做邓恩指数（Dunn Index）——聚类效果评估实战指南

📖 目录导读

什么是邓恩指数？为什么聚类评估需要它？
邓恩指数的核心原理与计算公式
Python实现邓恩指数的三种实用方法
- 1 基于Scikit-learn的纯手动计算
- 2 使用第三方库sklearn-dunn快速计算
- 3 邓恩指数与轮廓系数（Silhouette Score）对比
完整案例：KMeans聚类后的邓恩指数评估
常见问题与调试技巧（FAQ）
总结与最佳实践建议

什么是邓恩指数？为什么聚类评估需要它？

Q：邓恩指数（Dunn Index）与常用指标（如轮廓系数）有何区别？
A：邓恩指数专门衡量聚类结果的“内聚性”与“分离性”比值，数值越高，表示聚类效果越好——簇内紧密、簇间远离，与轮廓系数相比，邓恩指数能更直观地识别“簇间距离过近”的问题，特别适合检测重叠严重的聚类，在Scikit-learn中，虽然官方API未直接内置邓恩指数,但我们可以通过距离矩阵快速实现。

Python案例如何用Scikit-learn做邓恩指数

邓恩指数的核心原理与计算公式

邓恩指数定义为： [ DI = \frac{\min_{1 \leq i < j \leq k} \delta(C_i, Cj)}{\max{1 \leq l \leq k} \Delta(C_l)} ]

分子：任意两不同簇（C_i 与 C_j）之间的最小簇间距离（常用单链距离——两个簇中最近两个点的距离）
分母：所有簇的最大簇内直径（簇内最远两点距离）

Q：为什么公式要取最小/最大比值？
A：最差情况决定聚类整体质量，最小的簇间距离决定了分离性下限，最大的簇内直径决定了内聚性上限，比值越大，说明最坏情况下的分离度/紧密性越好。

Python实现邓恩指数的三种实用方法

1 基于Scikit-learn的纯手动计算（推荐学习）

利用sklearn.metrics.pairwise_distances与numpy实现：

import numpy as np
from sklearn.metrics import pairwise_distances
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
def dunn_index(X, labels):
    unique_labels = np.unique(labels)
    k = len(unique_labels)
    if k <= 1:
        return 0
    # 计算所有点间距离矩阵
    dist_matrix = pairwise_distances(X)
    # 计算每个簇的直径（簇内最远两点距离）
    cluster_diameter = []
    for label in unique_labels:
        mask = (labels == label)
        cluster_points = X[mask]
        if len(cluster_points) <= 1:
            cluster_diameter.append(0)
        else:
            intra_dist = pairwise_distances(cluster_points)
            cluster_diameter.append(np.max(intra_dist))
    max_diameter = np.max(cluster_diameter)
    # 计算任意两簇间的最小单链距离
    min_inter_dist = np.inf
    for i in range(k):
        for j in range(i+1, k):
            mask_i = (labels == unique_labels[i])
            mask_j = (labels == unique_labels[j])
            # 取两簇所有点对的最小距离
            inter_dist = np.min(dist_matrix[np.ix_(mask_i, mask_j)])
            if inter_dist < min_inter_dist:
                min_inter_dist = inter_dist
    return min_inter_dist / max_diameter if max_diameter > 0 else 0

Q：为什么使用单链距离而非全链或平均距离？
A：原版邓恩指数推荐最小距离（单链）反映分离性，这样能捕捉到靠得最近的两个簇的威胁，若簇间存在“桥梁点”,单链距离会立刻暴露重叠风险。

2 使用第三方库`sklearn-dunn`快速计算

安装：pip install sklearn-dunn
调用示例：

from sklego.metrics import dunn_index
dunn_value = dunn_index()(X, labels)

注意：sklego（scikit-lego）库集成了多种聚类指标，其实现与上述手动版本一致，但需注意参数X必须是样本特征矩阵。

3 邓恩指数与轮廓系数对比演示

比较维度	邓恩指数	轮廓系数
计算效率	O(n²·k²)	O(n²)
对噪声敏感度	极敏感（点间距离可放大离群值）	中等
最优值范围	(0, +∞)	(-1, 1)
适用场景	簇数量少、簇间距离差异大	一般场景

实验代码（部分省略，完整可见文末）：

from sklearn.metrics import silhouette_score
print(f"轮廓系数: {silhouette_score(X, labels):.4f}")
print(f"邓恩指数: {dunn_index(X, labels):.4f}")

完整案例：KMeans聚类后的邓恩指数评估

数据准备：生成4个高斯簇，其中2个簇有轻微重叠

X, true_labels = make_blobs(n_samples=300, centers=4, cluster_std=2.5, random_state=42)

KMeans聚类与评估

kmeans = KMeans(n_clusters=4, random_state=0).fit(X)
labels = kmeans.labels_
print(f"邓恩指数: {dunn_index(X, labels):.4f}")
# 不同K值的邓恩指数变化
k_range = range(2, 9)
di_scores = [dunn_index(X, KMeans(n_clusters=k, random_state=0).fit_predict(X)) for k in k_range]
best_k = k_range[np.argmax(di_scores)]
print(f"最佳K值（邓恩指数最大）: {best_k}")

结果可视化：绘制邓恩指数随K值变化曲线，可辅助确定最佳聚类数（优于肘部法则）。