Elbow方法是一种流行技术,用于确定K-表示集群中的最佳数。它涉及分析集群内K不同值的差异,并选择差异减少开始平缓的点。这有助于选择一个平衡简单和准确的K。

理解肘法

该方法绘制了数据点和它们各自的群集中心之间方格距离(inertia)的总和,以表示K的各种值。随着K的增大,惯性会降低。目标是找出下降速度急剧变化的点,在图中形成一个“elbow” 。

计算最佳 K 的步骤

  • 运行 K 表示集合, 以表示一个 K 值范围( 例如 1 到 10 ) 。
  • 计算每个 K 的惯性。
  • 将惯性标定在K的身上.
  • 确定惯性下降显著放缓的点.
  • 选择 K 作为组数的最佳 。

解释结果

地块上的"elbow"点表示最佳K. 如果地块没有显示清晰的肘,请考虑其他方法或域知识来选择最佳的集群数,目标是选择一个K,在不过分匹配的情况下将集群内的差异最小化.