Guida alla scelta dei criteri
Dettaglio Criteri:
| Criterio Selezionato |
Quando è consigliato usarlo |
| Scelta automatica |
Ideale per utenti non esperti o quando si desidera un compromesso dinamico basato sulla qualità specifica dei dati. Il sistema bilancia automaticamente i pesi. |
| Miglior Silhouette |
Privilegia la massima separazione e definizione dei cluster. Utile quando i cluster sono ben distinti. |
| 75% Silhouette / 25% Davies-Bouldin |
Enfasi sulla separazione dei cluster, con una moderata considerazione per la loro compattezza interna. |
| 50% Silhouette / 50% Davies-Bouldin |
Approccio bilanciato, offre un compromesso neutro tra separazione e compattezza, utile in assenza di preferenze specifiche. |
| 25% Silhouette / 75% Davies-Bouldin |
Maggiore enfasi sulla compattezza dei cluster. Indicato per dati più densi o con cluster meno separati. |
| Miglior Davies-Bouldin |
Mira a minimizzare la somiglianza media tra ciascun cluster e il suo più simile, favorendo cluster compatti e ben separati in termini di dispersione. |