聚类时的轮廓系数评价和inertia_

深碍√TFBOYSˉ_ 2021-11-10 21:14 401阅读 0赞

在进行聚类分析时，机器学习库中提供了kmeans++算法帮助训练，然而，根据不同的问题，需要寻找不同的超参数，即寻找最佳的K值

最近使用机器学习包里两个内部评价聚类效果的方法:clf=KMeans(n\_clusters=k,n\_jobs=20)

其中方法一：clf.inertia\_是一种聚类评估指标，我常见有人用这个。说一下他的缺点：这个评价参数表示的是簇中某一点到簇中距离的和，这种方法虽然在评估参数最小时表现了聚类的精细性，但是这种情况会出现划分过于精细的状况，并且未考虑和簇外点的距离最大化，因此，我推荐使用方法二：

方法二：使用轮廓系数法进行K值的选择，在此，我需要解释一下轮廓系数，以及为何选用轮廓系数作为内部评价的标准，轮廓系数的公式为：S=(b-a)/max(a,b)，其中a是单个样本离同类簇所有样本的距离的平均数，b是单个样本到不同簇所有样本的平均。

轮廓系数表示了同类样本间距离最小化，不同类样本间距离最大的度量

关于通过轮廓系数选择K值得问题：

通过建立循环来选取K值

\# 构造自定义函数，用于绘制不同k值和对应轮廓系数的折线图  
def k\_silhouette(X, clusters):  
K = range(2,clusters+1)  
\# 构建空列表，用于存储个中簇数下的轮廓系数  
S = \[\]  
for k in K:  
kmeans = KMeans(n\_clusters=k)  
kmeans.fit(X)  
labels = kmeans.labels\_  
  
\# 调用字模块metrics中的silhouette\_score函数，计算轮廓系数  
S.append(metrics.silhouette\_score(X, labels, metric='euclidean'))

\# 中文和负号的正常显示  
plt.rcParams\['font.sans-serif'\] = \[u'SimHei'\]  
plt.rcParams\['axes.unicode\_minus'\] = False  
\# 设置绘图风格  
plt.style.use('ggplot')  
\# 绘制K的个数与轮廓系数的关系  
plt.plot(K, S, 'b\*-')  
plt.xlabel('簇的个数')  
plt.ylabel('轮廓系数')  
\# 显示图形  
plt.show()  
  
\# 自定义函数的调用（指定原始数据和选取范围）  
k\_silhouette(X, 15)

转载于:https://www.cnblogs.com/laowangxieboke/p/11177651.html