point 如何求elbow_如何选择kmeans中的k值——肘部法则–Elbow Method和轮廓系数–Silhouette...

肘部法则–Elbow Method

我们知道k-means是以最小化样本与质点平方误差作为目标函数，将每个簇的质点与簇内样本点的平方距离误差和称为畸变程度(distortions)，那么，对于一个簇，它的畸变程度越低，代表簇内成员越紧密，畸变程度越高，代表簇内结构越松散。 畸变程度会随着类别的增加而降低，但对于有一定区分度的数据，在达到某个临界点时畸变程度会得到极大改善，之后缓慢下降，这个临界点就可以考虑为聚类性能较好的点。

importpandas as pdfrom sklearn.cluster importKMeansimportmatplotlib.pyplot as plt

df_features= pd.read_csv(r'11111111.csv',encoding='gbk') #读入数据#print(df_features)

'利用SSE选择k'SSE= [] #存放每次结果的误差平方和

for k in range(1,9):

estimator= KMeans(n_clusters=k) #构造聚类器

estimator.fit(df_features[['0','1','2','3','4','5','6','7','8','9','10','11','12','13','14','15','16','17','18','19','20','21','22