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
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
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编程客栈(www.cppcns.copythonm)。
精彩评论