【Python实例第21讲】确定类个数的silhouette分析法

最新推荐文章于 2024-09-12 14:28:40 发布

Goodsta

最新推荐文章于 2024-09-12 14:28:40 发布

阅读量1.5w

点赞数 6

文章标签： python

本文链接：https://blog.csdn.net/wong2016/article/details/84672551

版权

本文介绍了如何利用Silhouette分析法评估机器学习中的聚类效果，通过实例展示了如何选择合适的类个数。Silhouette值衡量样本在类内的紧密度和与其他类的距离，值越接近1表示聚类效果越好。通过生成样本数据并应用聚类算法，观察不同类个数下的Silhouette图，发现当n_clusters取3、5、6时，聚类效果不佳。

摘要由CSDN通过智能技术生成

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

在聚类问题中，Silhouette分析用来研究聚类结果的类间距离。Silhouette数值度量在相同类中的点，与不同类中的点相比的紧密程度。Silhouette图可视化这一测度，这样就提供了一种评价类个数的方法。

Silhouette值在[-1, 1]内，接近1表示样本远离邻近类，取0表示样本几乎在两个近邻类的决策边界上，取负值表示样本被分在错误的类里。在本例中，我们使用Silhouette分析选择一个类个数参数n_clusters的最优值。

实例详解

首先，加载必需的库。

from __future__ import print_function

from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_samples, silhouette_score

import matplotlib.pyplot as plt
import matplotlib.cm as cm
import numpy as np

使用函数make_blobs()产生样本数据，该函数专门用来生成用于聚类的团状正态样本。在这里，我们产生500个样本，分别属于4个类。其中的3个类比较接近，而另一个离这3个类比较远。