Silhouette-Koeffizient

Der Silhouette-Koeffizient bewertet die Qualität von Clustering-Ergebnissen, indem er misst, wie gut Datenpunkte zu ihrem eigenen Cluster passen im Vergleich zu benachbarten Clustern.

---

Inhaltsverzeichnis

1. Grundkonzept
   1. Kernidee
2. Mathematische Berechnung
   1. Formel
   2. Berechnungsschritte
3. Wertebereich und Interpretation
   1. Detaillierte Interpretation
   2. Interpretation der Szenarien
4. Silhouette-Plot
   1. Aufbau des Plots
   2. Interpretation des Silhouette-Plots
   3. Anwendungen des Silhouette-Plots
5. Best Practices
   1. Empfehlungen für die Praxis
   2. Wichtige Hinweise
   3. Häufige Fehler vermeiden
6. Abgrenzung zu verwandten Dokumenten

---

Grundkonzept

Der Silhouette-Koeffizient ist ein weit verbreitetes Maß zur Bewertung der Qualität einer Clusterbildung. Er beantwortet die zentrale Frage: Wie gut passt jeder Datenpunkt zu seinem zugewiesenen Cluster?

flowchart LR
    subgraph Bewertung["Silhouette-Bewertung"]
        A[Datenpunkt] --> B{Vergleich}
        B --> C[Nähe zum<br/>eigenen Cluster]
        B --> D[Abstand zum<br/>nächsten Cluster]
        C --> E[Silhouette-Wert]
        D --> E
    end
    
    style A fill:#e1f5fe
    style E fill:#c8e6c9

Kernidee

Der Koeffizient kombiniert zwei Perspektiven:

Aspekt	Beschreibung	Wünschenswert
Kompaktheit	Wie nah ist der Punkt an den anderen Punkten seines Clusters?	Möglichst nah
Separation	Wie weit ist der Punkt von Punkten anderer Cluster entfernt?	Möglichst weit

Ein gutes Clustering zeichnet sich durch hohe Kompaktheit innerhalb der Cluster und große Separation zwischen den Clustern aus.

---

Mathematische Berechnung

Formel

Für jeden Datenpunkt x wird der Silhouette-Wert s(x) berechnet:

\[s(x) = \frac{b(x) - a(x)}{\max\{a(x), b(x)\}}\]

Dabei gilt:

Symbol	Bedeutung
a(x)	Durchschnittlicher Abstand von x zu allen anderen Punkten im eigenen Cluster (Intra-Cluster-Distanz)
b(x)	Durchschnittlicher Abstand von x zu allen Punkten im nächstgelegenen fremden Cluster (Inter-Cluster-Distanz)

Berechnungsschritte

flowchart TD
    subgraph Schritt1["<b>#1 Intra-Cluster-Distanz a(x)"]
        A1[Wähle Datenpunkt x] --> A2[Berechne Abstände zu allen<br/>anderen Punkten im eigenen Cluster]
        A2 --> A3[Bilde Durchschnitt → a#40;x#41;]
    end
    
    subgraph Schritt2["<b>#2 Inter-Cluster-Distanz b(x)"]
        B1[Für jeden fremden Cluster] --> B2[Berechne durchschnittlichen<br/>Abstand von x zu allen Punkten]
        B2 --> B3[Wähle Minimum → b#40;x#41;]
    end
    
    subgraph Schritt3["<b>#3 Silhouette-Wert"]
        C1["s(x) = (b(x) - a(x)) / max{a(x), b(x)}"]
    end
    
    A3 --> C1
    B3 --> C1
    
    style A3 fill:#fff3e0
    style B3 fill:#e3f2fd
    style C1 fill:#c8e6c9

---

Wertebereich und Interpretation

Der Silhouette-Koeffizient liegt immer im Bereich [-1, +1]:

Detaillierte Interpretation

Wertebereich	Bedeutung	Handlungsempfehlung
0.71 – 1.00	Starke Clusterstruktur	Clustering ist sehr gut
0.51 – 0.70	Vernünftige Struktur	Clustering ist akzeptabel
0.26 – 0.50	Schwache Struktur	Clustering überprüfen
≤ 0.25	Keine substanzielle Struktur	Clustering fragwürdig
< 0	Falsche Zuordnung	Punkt gehört wahrscheinlich in anderes Cluster

---

Interpretation der Szenarien

Szenario	Charakteristik	Silhouette-Wert
Gutes Clustering	Punkt liegt zentral im eigenen Cluster, weit entfernt von anderen	≈ +1
Grenzfall	Punkt liegt zwischen zwei Clustern, könnte zu beiden gehören	≈ 0
Schlechtes Clustering	Punkt ist näher an fremdem Cluster als am eigenen	≈ -1

---

Silhouette-Plot

Der Silhouette-Plot ist eine Visualisierung, die die Qualität aller Datenpunkte auf einen Blick zeigt.

Aufbau des Plots

Interpretation des Silhouette-Plots

Merkmal	Gute Qualität	Schlechte Qualität
Balkenbreite	Breite, gleichmäßige Balken	Schmale, unregelmäßige Balken
Negative Werte	Keine oder wenige	Viele Balken links der 0-Linie
Clustergröße	Ähnlich große Cluster	Stark unterschiedliche Größen
Durchschnittslinie	Weit rechts (> 0.5)	Nahe bei 0 oder links

Anwendungen des Silhouette-Plots

Der Silhouette-Plot hilft bei wichtigen Entscheidungen:

flowchart TD
    SP[Silhouette-Plot] --> A[Optimale Cluster-Anzahl<br/>finden]
    SP --> B[Problematische<br/>Datenpunkte identifizieren]
    SP --> C[Cluster-Qualität<br/>vergleichen]
    SP --> D[Algorithmus-Wahl<br/>validieren]
    
    A --> A1[Plot für k=2,3,4,...<br/>erstellen und vergleichen]
    B --> B1[Punkte mit s < 0<br/>untersuchen]
    C --> C1[Durchschnittlichen<br/>Silhouette-Wert berechnen]
    
    style SP fill:#e1f5fe
    style A fill:#c8e6c9
    style B fill:#fff3e0
    style C fill:#f3e5f5
    style D fill:#e8f5e9

---

Best Practices

Empfehlungen für die Praxis

flowchart TD
    subgraph Vorbereitung["+1 Vorbereitung"]
        V1[Daten skalieren<br/>vor dem Clustering]
        V2[Ausreißer<br/>behandeln]
    end
    
    subgraph Analyse["#2 Analyse"]
        A1[Mehrere k-Werte<br/>testen]
        A2[Silhouette-Plot<br/>visuell prüfen]
        A3[Einzelne Cluster<br/>untersuchen]
    end
    
    subgraph Validierung["#3 Validierung"]
        VAL1[Mit anderen Metriken<br/>kombinieren]
        VAL2[Fachliche<br/>Interpretation]
    end
    
    Vorbereitung --> Analyse --> Validierung
    
    style V1 fill:#e3f2fd
    style V2 fill:#e3f2fd
    style A1 fill:#c8e6c9
    style A2 fill:#c8e6c9
    style A3 fill:#c8e6c9
    style VAL1 fill:#fff3e0
    style VAL2 fill:#fff3e0

Wichtige Hinweise

Aspekt	Empfehlung
Skalierung	Immer Daten vor dem Clustering skalieren (StandardScaler oder MinMaxScaler)
Stichprobengröße	Bei sehr großen Datensätzen ggf. Stichprobe verwenden
Distanzmetrik	Silhouette nutzt standardmäßig euklidische Distanz – bei anderen Distanzen anpassen
Interpretation	Silhouette allein reicht nicht – immer auch fachlich interpretieren
Grenzwert	Silhouette > 0.5 ist ein guter Richtwert, aber kontextabhängig

Häufige Fehler vermeiden

Fehler	Problem	Lösung
Unskalierte Daten	Features mit größerem Wertebereich dominieren	StandardScaler verwenden
Nur Durchschnitt betrachten	Versteckt problematische Cluster	Silhouette-Plot analysieren
k=1 testen	Silhouette für einzelnes Cluster undefiniert	Minimum k=2 verwenden
Negative Werte ignorieren	Falsch zugeordnete Punkte übersehen	Punkte mit s < 0 untersuchen

Abgrenzung zu verwandten Dokumenten

Dokument	Frage
K-Means und DBSCAN	Wie funktionieren die wichtigsten Clustering-Verfahren selbst?
Bewertung allgemein	Welche Bewertungslogik gilt über einzelne Verfahren hinaus?
Bewertung Anomalie	Wie verändert sich die Bewertung, wenn nicht Cluster, sondern Ausreißer im Fokus stehen?
Skalierung	Warum ist Vorverarbeitung für Distanzverfahren besonders wichtig?

---

Version: 1.0
Stand: Januar 2026
Kurs: Machine Learning. Verstehen. Anwenden. Gestalten.