Table of Contents
कोहनी विधि एक लोकप्रिय तकनीक है जिसका उपयोग K-mean क्लस्टरिंग में क्लस्टरों की इष्टतम संख्या को निर्धारित करने के लिए किया जाता है। इसमें K के विभिन्न मूल्यों के लिए क्लस्टरों के भीतर भिन्नता का विश्लेषण करना और उस बिंदु का चयन करना शामिल है जहां परिवर्तन में कमी शुरू होती है। यह एक K चुनने में मदद करता है जो सादगी और सटीकता को संतुलित करता है।
कोहनी विधि को समझना
विधि डेटा बिंदुओं और के रूप में K के विभिन्न मूल्यों के लिए उनके संबंधित क्लस्टर केंद्रों के बीच वर्गीय दूरी (inertia) की राशि को दर्शाता है।
इष्टतम K की गणना करने के लिए कदम
- K-means क्लस्टरिंग को K-Mans (जैसे, 1 से 10) के मानों की एक श्रृंखला के लिए चलाएं।
- प्रत्येक K के लिए जड़ता की गणना करें।
- K के खिलाफ जड़ता को प्लॉट करें।
- उस बिंदु की पहचान करें जहां जड़ता में कमी काफी कम हो जाती है।
- कि K क्लस्टर की इष्टतम संख्या के रूप में चुनें।
परिणाम व्याख्या करना
"elbow" बिंदु पर साजिश इंगित करता है इष्टतम K. यदि साजिश स्पष्ट कोहनी नहीं दिखाती है, तो अन्य तरीकों या डोमेन ज्ञान को सबसे अच्छी संख्या में क्लस्टर का चयन करने के लिए विचार करें। लक्ष्य एक K चुनना है जो ओवरफिटिंग के बिना भीतर-cluster परिवर्तन को कम करता है।