轮廓系数:
如果一个簇中的大多数样本具有比较高的轮廓系数,则簇会有较高的总轮廓系数,则整个数据集的平均轮廓系数越高,则聚类是合适的。如果许多样本点具有低轮廓系数甚至负值,则聚类是不合适的,聚类的超参数K可能设定得太大或者太小。
现在有这样的散点图,如果采用KMeans聚类的话,如何选择合适的n_cluster(簇)呢?
我们先假设n_cluster=4
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_samples, silhouette_score
import matplotlib.pyplot as plt
import matplotlib.cm as cm # colormap
import numpy as np
import pandas as pd
import numpy as np
from sklearn.datasets import make_blobs
X,y = make_blobs(n_samples=500, n_features=2,centers=4,random_state=1)
#要500个数,特征是两个
# 先设定我们要分成的簇数
n_clusters = 4
# 创建一个画布,画布上共有一行两列两个图
fig, (ax1,ax2) = plt.subplots(1,2)
# 画布尺寸
fig.set_size_inches(18,7) # 设置尺寸,以英尺为单位
# 第一个图是我们的轮廓系数图像,是由各个簇的轮廓系数组成的横向条形图
# 横向条形图的横坐标是我们的轮廓系数取值,纵坐标是我们的每个样本,因为轮过 系数是对于每一个样本进行计算的
ax1.set_xlim([-</