聚类分析是一种无监督的机器学习方法,它可以将原本杂乱无章的数据分成一系列有意义的簇,使得每一个簇由具有较高相似性的数据组成,这就可以为后续的数据处理带来极大的便利。聚类分析已经广泛应用在生物信息学、心理学研究、商业分析、文本处理等领域。聚类分析虽然是一种比较成熟的技术,但是它在一些领域仍然存在一些问题需要研究。聚类结果评价是聚类分析的一个重要步骤,是机器学习研究的一个重要领域,通过聚类评价我们可以确定数据的聚类趋势,也可以确定聚类的个数。世界上有各种各样的聚类算法和不同类型的数据,以至于没有一种聚类指标能够对于所有的聚类算法都适用,因此,我们必须对各种指标都有所了解,针对不同的情况选取不同的指标,必要的时候还需要提出新的指标来解决碰到的问题。聚类评价指标大多都是针对数值类型数据,但是,在实际的应用中,很多一部分数据都是符号类型的,原有的许多指标在这种情况下就不再适用。因此,在本文中我们将一些数值数据评价指标进行变化使它们能够对符号数据聚类结果进行评价。我们通过几个实验对选取的几种不同类型的指标在几个不同的符号类型数据集上进行了实验,并对实验结果进行了分析,这些结果能够证明这些指标基本上是有效的,并能基本能够满足我们的需要。