python - 用肘曲线计算 K-means 聚类中的最佳 K 值
问题描述
我用各种 k 值进行了 K-means 聚类,并得到了每个 k 值的惯性(据我所知,惯性是所有簇的标准差的总和)
ks = range(1,30)
inertias = []
for k in ks:
km = KMeans(n_clusters=k).fit(trialsX)
inertias.append(km.inertia_)
plt.plot(ks,inertias)
根据我的阅读,最佳 k 值位于该图的“肘部”,但肘部的计算已被证明是难以捉摸的。您如何以编程方式使用这些数据来计算 k?
解决方案
推荐阅读
- java - MySQL DATEDIFF 和 TO_DAYS 返回非常大且不正确的值
- python - 如何在 Python 中更改光标图像
- spring - 访问 Spring Boot 指标端点的问题
- django - Django 尝试在 save() 上插入而不是更新
- php - 如何每两个值对数组进行切片和分组?
- c# - 在运行时从调试可视化工具中检测源语言
- xamarin.forms - 有没有办法使用 Xamarin.Forms PCL 项目中的 Devexpress.Xamarin.Android.Charts
- azure - Azure 搜索索引器不运行
- c# - 尝试诊断 Azure ASP.NET Core WebAPI 应用程序中的内存泄漏
- ios - 有没有办法在主 iOS 应用程序中打开或关闭贴纸包应用程序扩展?