【阿旭机器学习实战】【17】KMeans聚类算法中如何选择合适的聚类个数K

KMeans聚类算法中如何选择合适的聚类个数？

问题描述

我们随机生成一些二维点的数据，然后通过不同的K值对其进行分类评估。

具体步骤：

1. 随机生成一些二维点
2. 选取不同的K值进行模型训练，并计算轮廓系数
3. 画出K值与轮廓关系的折线图，看取哪一个K值合适

1. 随机生成二维数据点

import numpy as np

x1 = np.random.randint(1,10,size=14)
x2 = np.random.randint(1,10,size=14)

x = np.c_[x1,x2]
x

array([[6, 5],
       [3, 6],
       [4, 4],
       [2, 9],
       [1, 8],
       [1, 5],
       [1, 7],
       [7, 4],
       [3, 7],
       [2, 2],
       [2, 8],
       [6, 5],
       [3, 2],
       [6, 4]])

# 画出这些点的散点图
plt.scatter(x1,x2)

2. 定义不同聚类中心个数对点进行分类

# 定义出若干种聚类的个数
clusters = [2,3,4,5,8]

plt.figure(figsize=(8*2,3*3))

# 定义一个列表用于存储轮廓系数
sil_scores = []
# 定义一个变量，用于记录当前是第几个图
sub_center = 1

axes = plt.subplot(231)
axes.scatter(x1,x2)
axes.set_title("Instances")

for cluster in clusters:
    km = KMeans(n_clusters=cluster).fit(x)
    # 打印每种聚类划分的标签
    print(km.labels_)
    
    # 求每一次划分的轮廓系数
    sil_score = metrics.silhouette_score(x,km.labels_)
    sil_scores.append(sil_score)
    
    # 画图
    sub_center += 1
    axes = plt.subplot(2,3,sub_center)
    axes.scatter(x1,x2,c=km.labels_)
    # 把当前的K值和轮廓系数作为标题
    axes.set_title("K=%s,Sil_score=%s"%(cluster,sil_score))

[0 1 0 1 1 1 1 0 1 0 1 0 0 0]
[0 1 0 1 1 1 1 0 1 2 1 0 2 0]
[2 3 1 0 0 3 0 2 3 1 0 2 1 2]
[2 1 0 3 3 4 3 2 1 0 3 2 0 2]
[2 3 6 7 1 4 1 5 3 0 7 2 0 5]

3. 画图选取最合适的K值

# 画一个折线图，体现聚类个数和轮廓系数之间的关系
plt.plot(clusters,sil_scores)

[]

通过上面折线图我们可以看到，当K=3时，轮廓系数最大，分类效果最好。

如果内容对你有帮助，感谢记得点赞+关注哦！

欢迎关注我的公众号:阿旭算法与机器学习，共同学习交流。
更多干货内容持续更新中…