跳转至

ML |确定 K 均值聚类中 K 的最优值

原文:https://www.geeksforgeeks.org/ml-确定 k-in-k-means-clustering/

先决条件: K-Means 聚类|简介 有一种流行的方法称为肘形法,用于确定 K 的最优值以执行 K-Means 聚类算法。这种方法背后的基本思想是,它通过改变 k 来绘制各种成本值。随着 K 值的增加,集群中的元素会越来越少。所以平均失真会降低。元素数量越少意味着越接近质心。所以,这种扭曲下降最多的点是肘点

3 个集群正在形成

在上图中,它清楚地观察到,点的分布正在形成 3 个集群。现在,让我们看看不同 k 值的平方误差(成本)图

K=3 时形成弯头

显然,弯头是在 K=3 时形成的。所以执行 K-Means 的最佳值将是 3。 另一个有 4 个簇的例子。

4 簇

对应成本图-

K=4 时形成弯头

在这种情况下,k 的最佳值是 4。(可从分散的点观察到)。 下面是 Python 实现:

蟒蛇 3

import matplotlib.pyplot as plt
from matplotlib import style
from sklearn.cluster import KMeans
from sklearn.datasets.samples_generator import make_blobs

style.use("fivethirtyeight")

# make_blobs() is used to generate sample points
# around c centers (randomly chosen)
X, y = make_blobs(n_samples = 100, centers = 4,
                cluster_std = 1, n_features = 2)

plt.scatter(X[:, 0], X[:, 1], s = 30, color ='b')

# label the axes
plt.xlabel('X')
plt.ylabel('Y')

plt.show()
plt.clf() # clear the figure

输出:

蟒蛇 3

cost =[]
for i in range(1, 11):
    KM = KMeans(n_clusters = i, max_iter = 500)
    KM.fit(X)

    # calculates squared error
    # for the clustered points
    cost.append(KM.inertia_)    

# plot the cost against K values
plt.plot(range(1, 11), cost, color ='g', linewidth ='3')
plt.xlabel("Value of K")
plt.ylabel("Squared Error (Cost)")
plt.show() # clear the plot

# the point of the elbow is the
# most optimal value for choosing k

输出:



回到顶部