エルボ法は、K-meansクラスタの最適な数を決定するために使用される人気のある技術です。これは、Kの異なる値のクラスター内の分散を分析し、バリアンスの減少がレベルオフに始まるポイントを選択することを含みます。これは、単純性と精度のバランスをとるKを選ぶのに役立ちます。

肘法の理解

メソッドは、K のさまざまな値のデータポイントとそれぞれのクラスター センターの間の平方距離(慣性)の合計をプロットします。K が増加すると、慣性が低下します。目標は、プロットで「肘」を形成する、急激な変化の割合が減少するポイントを見つけることです。

最適なKを計算するステップ

  • K の値を 1 から 10 の範囲でクラスタリングする K の豆を実行します。
  • 各Kの慣性を計算します。
  • K.に対する慣性をプロットする。
  • 慣性が低下するポイントを識別する かなり低下します。.
  • 最適なクラスターとしてKを選択

結果の解釈

計画上の「肘」ポイントは、最適なKを示しています。プロットが明確な肘を表示しない場合、他の方法やドメインの知識を考慮すると、クラスターの最高の数を選択します。目標は、過度の収差を最小限にするKを選択することです。