聚类个数的选择：轮廓系数（计算公式和原理）

轮廓系数是评估聚类效果的指标，取值范围为[-1,1]，越接近1表示聚类效果越好。

在聚类时可用于聚类个数的选择。通过遍历簇数，计算对应轮廓系数，选择轮廓系数最大时对应的聚类模型。

• Kmeans聚类：对于初始的中心个数进行遍历，寻找使得轮廓系数最大的聚类模型。
• 层次聚类：每一层合并时计算一次轮廓系数，直到所有样本合并为一簇，选择轮廓系数最大时对应的簇数对聚类结果进行剪枝。

轮廓系数计算方法

• 单一样本$i$的轮廓系数： s ( i ) = b ( i ) − a ( i ) max ⁡ { a ( i ) , b ( i ) } s(i)=\frac{b(i)-a(i)}{\max\{a(i),b(i)\}} s(i)=max{a(i),b(i)}b(i)−a(i)​

  其中
  $a(i)$: $i$所属簇内其它样本的平均距离，若簇内仅$i$一个样本，则令$s(i)=0$
  $i\in A,a(i)=averag{e}_{j\in A,j\ne i}(dist(i,j))$

  $b(i)$: $i$与其它簇的样本平均距离的最小值
  $i\in A,C\ne A,dist(i,C)=averag{e}_{j\in C}(dist(i,j))$
  $b(i)=mi{n}_{C\ne A}dist(i,C)$

• 聚类总体的轮廓系数：所有样本轮廓系数的平均值
  $S=\frac{1}{N}{\sum }_{i=1}^{N}s(i)$