怎樣確定K-means算法中的k值
1. K-means算法
k-means算法是機器學(xué)習(xí)中常用的聚類算法，原理簡單實現(xiàn)容易，內(nèi)存占用量也比較小。但使用這個方法時，需要事先指定將要聚合成的簇數(shù)
。
在先驗知識缺乏的情況下，想要確定是非常困難的。
目前常用的用來確定的方法主要有兩種：肘部法、輪廓系數(shù)法。
2. 初始k值的選擇
1) 肘部法
肘部法所使用的聚類評價指標(biāo)為：數(shù)據(jù)集中所有樣本點到其簇中心的距離之和的平方。但是肘部法選擇的并不是誤差平方和最小的，而是誤差平方和突然變小時對應(yīng)的值。
2) 輪廓系數(shù)法
輪廓系數(shù)是一種非常常用的聚類效果評價指標(biāo)。該指標(biāo)結(jié)合了內(nèi)聚度和分離度兩個因素。其具體計算過程如下：
假設(shè)已經(jīng)通過聚類算法將待分類的數(shù)據(jù)進行了聚類，并最終得到了個簇。
對于每個簇中的每個樣本點
，分別計算其輪廓系數(shù)。
具體地，需要對每個樣本點計算以下兩個指標(biāo)：
：樣本點到與其屬于同一個簇的其他樣本點的距離的平均值。
越小，說明該樣本屬于該類的可能性越大。
：樣本點到其他簇
中的所有樣本的平均距離
的最小值 ,
則樣本點的輪廓系數(shù)為：
而所有樣本點的輪廓系數(shù)的平均值，即為該聚類結(jié)果總的輪廓系數(shù)
。
，越接近與1，聚類效果越好。
3) 具體案例
先利用sklearn.datasets中的方法生成自己的聚類數(shù)據(jù)集。
具體如下：
對數(shù)據(jù)x進行歸一化(因為KMeans算法中涉及到距離的計算)，具體如下：
使用肘部法確定值，其代碼如下：
使用輪廓系數(shù)確定值，其代碼如下：
總結(jié)
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
python更新數(shù)據(jù)庫中某個字段的數(shù)據(jù)(方法詳解)
這篇文章主要介紹了python更新數(shù)據(jù)庫中某個字段的數(shù)據(jù)方法，本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-11-11
這篇文章主要介紹了使用EditPlus編輯器運行Python程序方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2025-12-12
今天小編就為大家分享一篇python 獲取圖片分辨率的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
使用matplotlib繪制并排柱狀圖的實戰(zhàn)案例
堆積柱狀圖有堆積柱狀圖的好處,比如說我們可以很方便地看到多分類總和的趨勢,下面這篇文章主要給大家介紹了關(guān)于使用matplotlib繪制并排柱狀圖的相關(guān)資料,需要的朋友可以參考下2022-07-07
這篇文章主要給大家介紹了關(guān)于利用Python如何寫一個基于MD5的文件監(jiān)聽程序的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03
這篇文章主要介紹了Python數(shù)據(jù)挖掘Pandas,pandas是基于numpy模塊構(gòu)建的，本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-07-07
Python confluent kafka客戶端配置kerberos認(rèn)證流程詳解
這篇文章主要介紹了Python confluent kafka客戶端配置kerberos認(rèn)證流程詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-10-10
Django contenttypes 框架詳解(小結(jié))
這篇文章主要介紹了Django contenttypes 框架詳解(小結(jié))，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-08-08
利用Python實現(xiàn)Shp格式向GeoJSON的轉(zhuǎn)換方法
JSON（JavaScript Object Nonation）是利用鍵值對+嵌套來表示數(shù)據(jù)的一種格式，以其輕量、易解析的優(yōu)點，這篇文章主要介紹了利用Python實現(xiàn)Shp格式向GeoJSON的轉(zhuǎn)換,需要的朋友可以參考下2019-07-07
邊緣檢測是圖像處理和計算機視覺當(dāng)中的基本問題，邊緣檢測的目的是標(biāo)識數(shù)字圖像中亮度變化明顯的點。本文將通過示例和大家介紹一下邊緣檢測的原理，希望對大家有所幫助2022-12-12