python聚类分析如何确定分类个数_聚类分析：kmeans 算法簇个数的确定

kmeans算法是无监督聚类学习中最常见、最常用的算法之一，其基本原理如下：

1、随机初始化k个聚类中心点，并计算数据中每个点到k个点的距离；

2、将每个数据点分到距离聚类中心点最近的聚类中心中；

3、针对每个类别重新计算聚类中心；

4、重复上面的2、3步骤中，直到达到预先设置的停止条件(迭代次数、最小误差变化等)。

kmeans算法其实挺简单，但是聚类个数k应该如何的选择？目前常用有肘部法则和轮廓系数法等。肘部法则通过寻找损失值下降平稳的拐点来确定k值，而轮廓系统则是通过寻找轮廓系数的最大值来进行计算：

肘部法则SSE(误差平方和)：

(

为第i簇的质心)

轮廓系数：

(

是样本i在同类别内到其它点的平均距离，

是样本i到最近不同类别中样本的平均距离)

通过Python模拟数据，应用kmeans，分别通过肘部法则和轮廓系数选择相应的k值

import os

from sklearn.cluster import KMeans

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

plt.r