k-means聚类时使用SSE(簇内误方差)进行最优K的选取

# -*- coding: utf-8 -*-
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
'''
k-means最优K的选取
'''
data_Path = 'dataset/first_round_training_data.csv'
df_features = pd.read_csv(data_Path)  # 读入数据

'针对对特征Parameter1,利用SSE选择最优k'
SSE = []  # 存放每次结果的误差平方和
for k in range(1, 9):  # K的范围 : 1-9
    estimator = KMeans(n_clusters=k)  # 构造聚类器
    estimator.fit(df_features[['Parameter1']])
    SSE.append(estimator.inertia_)
X = range(1, 9)
plt.xlabel('k')
plt.ylabel('SSE')
plt.plot(X, SSE, 'o-')
plt.show()

 

运行截图:

选择折线坡度骤减的点作为最优K,如上图K为2时最优

参考博客: https://blog.csdn.net/qq_15738501/article/details/79036255

  • 1
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

赴前尘

喜欢我的文章?请我喝杯咖啡吧!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值