怎样确定K-means算法中的k值
更新时间：2024年06月29日 11:05:05 作者：Sun_Sherry
这篇文章主要介绍了怎样确定K-means算法中的k值问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
1. K-means算法
k-means算法是机器学习中常用的聚类算法，原理简单实现容易，内存占用量也比较小。但使用这个方法时，需要事先指定将要聚合成的簇数
。
在先验知识缺乏的情况下，想要确定是非常困难的。
目前常用的用来确定的方法主要有两种：肘部法、轮廓系数法。
2. 初始k值的选择
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。
具体地，需要对每个样本点计算以下两个指标：
：样本点到与其属于同一个簇的其他样本点的距离的平均值。
越小，说明该样本属于该类的可能性越大。
：样本点到其他簇
中的所有样本的平均距离
的最小值 ,
则样本点的轮廓系数为：
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：
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
在我们生活中的有很多时候都可以用到滤波，例如美颜的磨皮功能，本文就详细的介绍了openCV中值滤波和均值滤波的代码实现，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-03-03
python3新特性函数注释Function Annotations用法分析
这篇文章主要介绍了python3新特性函数注释Function Annotations用法,结合实例形式分析了Python3函数注释的定义方法与使用技巧,需要的朋友可以参考下2016-07-07
logging是Python标准库中记录常用的记录日志库，通过logging模块存储各种格式的日志，主要用于输出运行日志，可以设置输出日志的等级、日志保存路径、日志文件回滚等，这篇文章主要介绍了Python标准库中的logging,需要的朋友可以参考下2022-09-09
在使用pyCharm进行开发时,需要用到Anaconda创建的环境,下面这篇文章主要给大家介绍了关于Anaconda+pycharm安装及环境配置的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-09-09
这篇文章主要介绍了Keras 中Leaky ReLU等高级激活函数的用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-07-07
这篇文章主要介绍了Python数值方法及数据可视化，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-09-09
这篇文章主要为大家详细介绍了Python如何实现在指定范围内筛选并剔除Excel表格中的数据，文中的示例代码讲解详细，感兴趣的可以了解一下2023-06-06
Python操作SQLite数据库的方法详解【导入,创建,游标,增删改查等】
这篇文章主要介绍了Python操作SQLite数据库的方法,简单说明了sqlite数据库的相关概念,并结合实例形式较为详细的分析了Python针对sqlite数据库的导入,创建,游标,增删改查等操作技巧,需要的朋友可以参考下2017-07-07
这篇文章主要介绍了python标准库random模块处理随机数，random模块实现了各种分布的伪随机数生成器，具体介绍感兴趣的小伙伴可以参考一下2022-09-09
Python时间差中seconds和total_seconds的区别详解
今天小编就为大家分享一篇Python时间差中seconds和total_seconds的区别详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
最新评论