如何确定K-means算法中的k值？

• 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
• 确定较粗的数目，并找到一个初始聚类，然后用迭代重定位来改进该聚类。

1) 肘部法

肘部法所使用的聚类评价指标为：数据集中所有样本点到其簇中心的距离之和的平方。但是肘部法选择的并不是误差平方和最小的，而是误差平方和突然变小时对应的值。

2) 轮廓系数法

轮廓系数是一种非常常用的聚类效果评价指标。该指标结合了内聚度和分离度两个因素。其具体计算过程如下：

假设已经通过聚类算法将待分类的数据进行了聚类，并最终得到了个簇。对于每个簇中的每个样本点，分别计算其轮廓系数。而所有样本点的轮廓系数的平均值，即为该聚类结果总的轮廓系数。 ，越接近与1，聚类效果越好。

3) 具体案例

先利用sklearn.datasets中的方法生成自己的聚类数据集。具体如下：

 对数据x进行归一化(因为KMeans算法中涉及到距离的计算)，具体如下：

  使用肘部法确定值，其代码如下：

  使用轮廓系数确定值，其代码如下：

 参考文章：如何确定K-means算法中的k值？_Sun_Sherry的博客-CSDN博客_kmeans算法k值的确定