怎样确定K-means算法中的k值

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
Python客栈送红包、纸质书

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。

1. 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。

1. 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vb.net教程C#教程python教程SQL教程access 2010教程xin3721自学网