在K均值聚类中更新K的值

Question

对没有标签且不了解所需簇数的数据集进行聚类的最佳方法是什么？

例如，使用没有标签或不知道标签类别数量的Iris数据集。

我的想法：

• 计算与每个现有簇的均方根距离
• *如果均方根距离>某个阈值的系数取决于（惩罚）k，则添加一个“新”候选。
• *如果添加了新集群，请找到新的“最佳” k + 1个集群中心
• 如果未添加新集群，请转到下一行

Answer 1

您可以按照here

的方法在不同的K值处绘制肘曲线。

具体地说，

  

1）肘方法的思想是在数据集上针对k值范围（例如，在上面的示例中k从1到10）运行k-均值聚类，并为k的每个值计算平方误差总和（SSE）。

     

2）然后，为每个k值绘制SSE的折线图。如果折线图看起来像手臂，那么手臂上的“肘”就是最好的k值

     

3）因此，我们的目标是选择一个仍具有较低SSE的小值k，而弯头通常代表我们通过增加k开始收益递减的地方

Answer 2

关于如何选择k，已经提出了数十种方法。

某些变量（例如x均值）可以动态调整k，您只需给出最大值-并选择质量标准AIC或BIC。