如何选择K中的聚类质心数

Question

我正在查看我找到的算法列表，并尝试将它们用于学习目的。现在我正在编码K均值并且在以下内容中感到困惑。

1. 您如何知道原始数据集中有多少个群集

2. 除了所有质心必须不同之外，我选择初始聚类质心时是否有任何特定格式？例如，如果我选择不同但靠近的聚类质心，算法会收敛吗？

任何建议都将不胜感激

由于

Answer 1

使用k-means，您可以最小化平方距离的总和。一种方法是尝试所有合理的k值。随着k增加，平方距离的总和应该减小，但是如果你绘制结果，你可能会看到平方距离的总和急剧减小到某个k值，然后慢得多。然后，最显着减少的最后一个值是k的最合理的值。

k-means并不保证每次运行都能找到最佳答案，并且它对您提供的起始值很敏感。减少问题的一种方法是多次启动，使用不同的起始值，并选择最佳答案。如果较大k的答案实际上大于较小k的答案，则看起来有点奇怪。避免这种情况的一种方法是使用k簇的最佳答案作为k + 1簇起点之一的基础（稍作修改）。

Answer 2

在标准K-Means中，K值由您选择，有时基于问题本身（当您知道存在多少个类或您希望存在多少个类时）其他时间a＆＃34;或多或少＆ ＃34;随机值。通常，第一次迭代包括从数据集中随机选择K个点作为质心。在以下迭代中，质心被调整。

在检查了K-Means算法之后，我建议你也看到K-means ++，这是对第一个版本的改进，因为它试图为每个问题找到最好的K，避免了有时发现的很差的聚类。标准k均值算法。

如果您需要有关某些机器学习算法实施的更多具体细节，请告知我们。