Kmeans如何確定聚類個數K

序

在面試過程中經常問到K值如何確定，很多人說需要嘗試，的確沒錯，但是更多地需要講出來對每次嘗試的結果是如何進行評價的。

肘部法則

實際上，一開始是很難確定聚類數的，下圖的兩種聚類數似乎都是可行的：

但是，也存在一種稱之為肘部法則（Elbow Method）的方法來選定適當的K值：

上圖曲線類似於人的手肘，“肘關節”部分對應的 K 值就是最恰當的 K 值，但是並不是所有代價函式曲線都存在明顯的“肘關節”，例如下面的曲線：

一般來說，K-Means 得到的聚類結果是服務於我們的後續目的（如通過聚類進行市場分析），所以不能脫離實際而單純以數學方法來選擇 K 值。在下面這個例子中，假定我們的衣服想要是分為 S,M,L 三個尺碼，就設定 K=3 ，如果我們想要 XS、S、M、L、XL 5 個衣服的尺碼，就設定 K=5 ：

輪廓係數

1. 輪廓係數：
   是評判聚類好壞的標準，結合類內聚合度以及類間分離度兩種指標來計算得到。

2. 計算方法：
   a. 計算樣本 i 到同簇內其他樣本的平均距離 ，該值越小，說明樣本 i 越應該被聚類到該簇中，可以將 稱作樣本的簇內不相似度。
   b. 簇 C 中所有樣本的 均值被稱作是簇C的簇不相似度。
   計算樣本 i 到其他簇 中所有樣本的平均距離 稱作是樣本 i 與簇 的不相似度。定義樣本 i 的簇間不相似度為： = min(bi1, bi2…bik)
   c. 越大說明樣本 i 越不屬於其他簇。
   根據樣本 i 的簇內不相似度 和簇間不相似度 ，定義樣本 i 的輪廓係數：
   

   

3. 判斷方法
   □ s_i 越接近1， 則說明樣本 i 聚類合理。
   □ s_i 越接近-1，說明樣本 i 更適合聚到其他類
   □ s_i越接近0，則說明樣本 i 在兩個簇的邊界上

    ○ 根據輪廓係數選取k
   

我們可以在固定的k值上多次執行，求取輪廓係數的均值，再依據上述判斷準則選出合理的k值。

轉載註明：https://www.jianshu.com/p/f2b3a66188f1