KMeans中k值的选取（python）

数据读取

1.导包

import matplotlib.pyplot as plt
from sklearn.metrics import silhouette_score
from sklearn.cluster import KMeans

2.读取数据

data = readData("test_data.cvs")

用手肘法 看看 不同聚类个数的效果

distortions = []  # 簇内误差平方和
sil_score = []  # 轮廓系数

for i in range(2, 50):
    kmeans_model = KMeans(n_clusters=i)
    predict_y = kmeans_model.fit_predict(data)

    distortions.append(kmeans_model.inertia_)  # 簇内误差平方和
    sil_score.append(silhouette_score(data, predict_y))  # 轮廓系数
    print('簇内误差平方和：', distortions)
	print('轮廓系数：', sil_score)
	

绘图

plt.plot(range(2, 50), distortions, marker='x')
plt.xlabel('Number of clusters')
plt.ylabel('Distortion')
plt.title('distortions')
plt.show()


plt.plot(range(2, 50), sil_score, marker='x')
plt.xlabel('Number of clusters')
plt.ylabel('silhouette_score')
plt.title('silhouette_score')
plt.show()

从图中可以看出，最优k值应为21。