k均值聚类手肘法怎么算matlab,KMeans聚类、肘部法则求最佳分类数

K-Means算法是一个重复移动类中心点的过程，把类的中心点，也称重心(centroids)，移动到其包含成员的平

均位置，然后重新划分其内部成员。 是算法计算出的超参数，表示类的数量；K-Means可以自动分

配样本到不同的类，但是不能决定究竟要分几个类。 K-Means的参数是类的重心位置和其内部观测值的位置。与广义线性模型和决策树类似，K-Means参

数的最优解也是以成本函数最小化为目标。K-Means成本函数公式如下：

uk是第k 个类的重心位置。成本函数是各个类畸变程度(distortions)之和。每个类的畸变程度等于该类重心与其内部成员位置距离的平方和。若类内部的成员彼此间越紧凑则类的畸变程度越小，反

之，若类内部的成员彼此间越分散则类的畸变程度越大。求解成本函数最小化的参数就是一个重复配

置每个类包含的观测值，并不断移动类重心的过程。

#-*- coding:utf-8 -*-

import numpy as np

import matplotlib.pyplot as plt

from sklearn.cluster import KMeans

from scipy.spatial.distance import cdist

import sys

reload(sys)

sys.setdefaultencoding('utf-8')