python||判断K-Means聚类最佳数量

在进行K均值聚类之前，不知道聚成几类效果是最好的，经过查资料，发现有两种常用的方式。分别是：

1.肘方法

2.轮廓系数法

这篇文章记录使用肘方法判断聚类最佳数量，肘方法的原理是什么呢？

这是来自一个博友的解释，我一个没学过理科的人也看不懂。接下来直接开始操作：

这是我的原始数据：

 看一下python代码实现：

import pandas as pd #导入pandas库
import numpy as np
from sklearn.cluster import KMeans #导入k均值函数
import matplotlib.pyplot as plt
import xlrd


file_path=xlrd.open_workbook("cluster_MinMax.xls") #读取文件
table = file_path.sheets()[0]  #读取文件，获取第一个sheet页，赋值给table
my_data=[] #创建一个空列表
for i in range(table.nrows):  #nrows为表的行数，遍历nrows的行数
    if i == 0: #忽略第一行
        continue
    e