如何在K ​​ - Means算法中优化K.

Question

  

可能重复：
  How do I determine k when using k-means clustering?

如果我不了解数据，我最初如何选择K？

有人可以帮我选择K.

由于 纳文

Answer 1

基本思想是评估样本数据的聚类评分，通常是聚类内的距离和聚类之间的距离。这个测量越多，聚类就越好，基于这种方法，你可以选择最好的缤纷的参数。其中一个指标可以在http://alias-i.com/lingpipe/docs/api/com/aliasi/cluster/ClusterScore.html

找到

Answer 2

说真的，你想知道什么？你想让我们告诉你一些号码吗？或者如何找到最佳k的策略？你必须阅读有关k-means的书籍或其他资源，我很确定它已被覆盖。

维基百科上有一些关于它的内容：

http://en.wikipedia.org/wiki/Determining_the_number_of_clusters_in_a_data_set

在使用算法之前，请先阅读它。