寻找Kmeans聚类的优化数字

Question

我有一个具有长2D数组的文本文件。每个元素的数字在1到6之间。

我可以使用以下帖子中提供的指南聚集数据：

在此处输入链接描述，

但我想知道如何使群集选择群集数量的“ N_Clusters”的值，而无需我选择了这个价值。

我尝试了肘方法，但是到目前为止，我看到的示例使用图纸来选择最佳簇数。我的问题是：如何在没有视觉检查的情况下找到“簇数”的最佳值？

Answer 1

我尝试了肘方法，但是我到目前为止看到的示例
绘图以选择最佳簇数。我的问题是：如何
为了找到没有视觉的“群集数”的最佳值
检查？

“肘方法”只是搜索退货减少的点。

虽然可以在视觉上设置超参数，但这只是检查最新改进是否显着的问题（即越过一些阈值）。

构建一个 k 值的表，计算 error 和百分比改进从上一步：

如果您的改善阈值为10％，则可以在k = 5停止。之后，这些改进正在减少（即倾向于过度合身，无法概括）。

在Python中，看起来像这样：

for k in range(min(errors), max(errors)):
    improvement = (errors[k] - errors[k+1]) / errors[k]
    if improvement < threshold:
        print('Diminishing returns after k =', k)
        break

输出：

Diminishing returns after k = 5