机器学习里如何确定K-Means算法的K值？

【问题】

Kmeans算法中，K值所决定的是在该聚类算法中，所要分配聚类的簇的多少。Kmeans算法对初始值是比较敏感的，对于同样的k值，选取的点不同，会影响算法的聚类效果和迭代的次数。

 

【解决方案】

最常用最简单的方法可视化数据，然后观察出聚类聚成几类比较合适。

绘制出k-average with cluster distance to centroid的图表，观察随着k值的增加，曲线的下降情况，当曲线不再“急剧”下降时，就是合适的k值。

计算不同k值下kmeans算法的BIC和AIC值，BIC或AIC值越小，选择该k值。

使用 Canopy算法先进行粗略的聚类，产生的簇的个数，作为kmeans算法的k值。

使用x-means方法结合BIC准则去判定簇的个数，也就是k值。

使用Gap Statistic公式来确定k值。

使用轮廓系数(silhouette coefficient)来确定，选择使系数较大所对应的k值。

使用交叉验证来确定使目标函数（距中心的距离的平方差）变小的k值。

利用Affinity propagation的方法估计最优的聚类数目，进一步进行kmeans的算法。

利用层次聚类，可视化后认为地观察认定可聚为几类，确定k值。

.....

参考文献

xmeans简介

How can we choose a "good" K for K-means clustering?

How do I determine k when using k-means clustering?

Gap Statistic 间隔统计量

Silhouette (clustering)

轮廓系数（Silhouette Coefficient ）

究竟应该聚多少类？聚类分析

作者：城市中迷途小书童
链接：https://www.jianshu.com/p/f88d1125e6eb
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。