开发者

怎样确定K-means算法中的k值

开发者 https://www.devze.com 2024-08-10 09:29 出处:网络 作者: Sun_Sherry
目录1. K-means算法2. 初始k值的选择1) 肘部php法2) 轮廓系数法3) 具体案例总结1. K-means算法
目录
  • 1. K-means算法
  • 2. 初始k值的选择
    • 1) 肘部php
    • 2) 轮廓系数法
    • 3) 具体案例
  • 总结

    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

    怎样确定K-means算法中的k值

    在先验知识缺乏的情况下,想要确定

    怎样确定K-means算法中的k值

    是非常困难的。

    目前常用的用来确定

    怎样确定K-means算法中的k值

    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

    怎样确定K-means算法中的k值

    ,而是误差平方和突然变小时对应的

    怎样确定K-means算法中的k值

    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python。该指标结合了内聚度和分离度两www.devze.com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python类的数据进行了聚类,并最终得到了

    怎样确定K-means算法中的k值

    个簇。

    对于每个簇中的每个样本点

    怎样确定K-means算法中的k值

    ,分别计算其轮廓系数。

    具体地,需要对每个样本点

    怎样确定K-means算法中的k值

    计算以下两个指标:

    怎样确定K-means算法中的k值

    :样本点

    怎样确定K-means算法中的k值

    到与其属于同一个簇的其他样本点的距离的平均值。

    怎样确定K-means算法中的k值

    越小,说明该样本

    怎样确定K-means算法中的k值

    属于该类的可能性越大。

    怎样确定K-means算法中的k值

    :样本点

    怎样确定K-means算法中的k值

    到其他簇

    怎样确定K-means算法中的k值

    中的所有样本的平均距离

    怎样确定K-means算法中的k值

    的最小值 ,

    怎样确定K-means算法中的k值

    则样本点

    怎样确定K-means算法中的k值

    的轮廓系数为:

    怎样确定K-means算法中的k值

    而所有样本点

    怎样确定K-means算法中的k值

    的轮廓系数的平均值,即为该聚类结果总的轮廓系数

    怎样确定K-means算法中的k值

    怎样确定K-means算法中的k值

    怎样确定K-means算法中的k值

    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:

    怎样确定K-means算法中的k值

    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:

    怎样确定K-means算法中的k值

    使用肘部法确定

    怎样确定K-means算法中的k值

    值,其代码如下:

    怎样确定K-means算法中的k值

    使用轮廓系数确定

    怎样确定K-means算法中的k值

    值,其代码如下:

    怎样确定K-means算法中的k值

    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编程客栈(www.cppcns.copythonm)。

    0

    精彩评论

    暂无评论...
    验证码 换一张
    取 消

    关注公众号