聚类的k值确定之轮廓系数

确定聚类簇数的轮廓系数方法概述

在进行聚类分析时，确定最佳聚类簇数（如k-means中的k值）常使用手肘法，但这方法存在主观误差。轮廓系数，由Peter J. Rousseeuw于1986年提出，是一个评价聚类效果的指标，它通过计算内聚度和分离度来评估聚类的k值。

轮廓系数的定义与计算

轮廓系数是用来衡量一个聚类结果的紧密度和分离度，其公式为 s = (b-a)/max(a,b)，其中a是簇内不相似度的平均值即内聚度，b是簇间不相似度的平均值即分离度。通过计算每个点的轮廓系数并求平均值，可以得到整个模型的轮廓系数。

轮廓系数的解释

轮廓系数的值介于-1到1之间，值越大表示聚类结果越好。负值表示聚类效果不佳，接近0表示聚类结果不明显，而接近1则表示聚类结果很好。

k-means算法流程

k-means算法包括选择初始质心、将点指派到最近质心形成簇、计算新的聚类中心以及迭代上述步骤直到质心不变。

轮廓系数的计算实践

可以使用sklearn的silhouette_score函数直接计算轮廓系数。通过实例演示，当k值为3时，轮廓系数最大，建议分为3类。此外，也可以手动计算轮廓系数，包括内聚度、分离度和每个点的轮廓系数的计算。

评价和局限性

虽然轮廓系数是一个有用的指标，但它对于凸簇结构的数据效果较好，对于需要使用DBSCAN等算法聚类的非凸簇结构数据效果则不佳。因此，在使用轮廓系数评价不同聚类算法时应注意其局限性。

Python学习杂记

查看原文：聚类的k值确定之轮廓系数

文章来源：

Python学习杂记

扫码关注公众号