怎样确定K-means算法中的k值
作者：Sun_Sherry
这篇文章主要介绍了怎样确定K-means算法中的k值问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
1. K-means算法
k-means算法是机器学习中常用的聚类算法，原理简单实现容易，内存占用量也比较小。但使用这个方法时，需要事先指定将要聚合成的簇数
。
在先验知识缺乏的情况下，想要确定是非常困难的。
目前常用的用来确定的方法主要有两种：肘部法、轮廓系数法。
2. 初始k值的选择
1) 肘部法
肘部法所使用的聚类评价指标为：数据集中所有样本点到其簇中心的距离之和的平方。但是肘部法选择的并不是误差平方和最小的，而是误差平方和突然变小时对应的值。
2) 轮廓系数法
轮廓系数是一种非常常用的聚类效果评价指标。该指标结合了内聚度和分离度两个因素。其具体计算过程如下：
假设已经通过聚类算法将待分类的数据进行了聚类，并最终得到了个簇。
对于每个簇中的每个样本点
，分别计算其轮廓系数。
具体地，需要对每个样本点计算以下两个指标：
：样本点到与其属于同一个簇的其他样本点的距离的平均值。
越小，说明该样本属于该类的可能性越大。
：样本点到其他簇
中的所有样本的平均距离
的最小值 ,
则样本点的轮廓系数为：
而所有样本点的轮廓系数的平均值，即为该聚类结果总的轮廓系数
。
，越接近与1，聚类效果越好。
3) 具体案例
先利用sklearn.datasets中的方法生成自己的聚类数据集。
具体如下：
对数据x进行归一化(因为KMeans算法中涉及到距离的计算)，具体如下：
使用肘部法确定值，其代码如下：
使用轮廓系数确定值，其代码如下：
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。