python如何獲取最優輪廓係數

如果想要最好的點，應該選擇最高的點。

1、透過設定不同的k值來測試和計算輪廓係數，可以獲得最佳k值對應的最佳輪廓係數，

2、也可以繪圖觀察和選擇最高。但為了防止擬合現象，也可以透過手肘選擇最佳k值。

例項

from sklearn.cluster import KMeans
from sklearn.preprocessing import MaxAbsScaler  # 小數定標標準化
from sklearn.preprocessing import MinMaxScaler  # 離差標準化
from sklearn.preprocessing import StandardScaler  # 標準差標準化
# 評估指標-----輪廓係數
from sklearn.metrics import silhouetee_score
 
# 由於是聚類演算法，資料可能存在量綱，需要標準化，在使用演算法之前
# 例項化
sca = MaxAbsScaler()
sca = MinMaxScaler()
sca = StandardScaler()
# 擬合
sca.fit( 訓練集特徵 )
# 處理資料
X_train = sca.transform( 訓練集特徵 )
 
 
# 例項化
km = KMeans()
# 引數：
# n_clusters=3，表示k=3，也就是隨機三個聚類中心，最小值是2
# init，聚類中心初始化方法，預設k-means++
# max_iter，最大迭代次數，預設300，如果後期無法收斂可以嘗試增加迭代次數
# random_state=1，隨機種子，預設是None
 
# 擬合
km.fit( 訓練集特徵 )
 
# 檢視聚類中心
print('聚類中心：', km.cluster_centers_)
 
# 檢視預測結果
# 可以直接傳入訓練集，也可以傳入自定義二維陣列
y_pred = km.predict( 訓練集特徵 )
print('整個資料的類別：', y_pred)
 
# 檢視SSE---誤差平方和
# 預設是取反操作，大多數情況得出來的是負值【-inf, 0】
# 絕對值越小越好
score = km.score(X_train, y_pred)
print('SSE', score)
 
# 評估指標----輪廓係數(-1, 1)，越大越好
print('輪廓係數：', silhouetee_score(X_train, y_pred))

以上就是python獲取最優輪廓係數的方法，希望對大家有所幫助。更多Python學習指路：