kmeans中的k的含义_K-means聚类算法中K值如何选择？

笔者整理的一些解答如下：

1. 数据的先验知识，或者数据进行简单分析能得到

2. 基于变化的算法：即定义一个函数，随着K的改变，认为在正确的K时会产生极值。如Gap

Statistic Jump Statistic 。可以这么理解，给定一个合理的类簇指标，比如平均半径或直径，只要我们假设的类簇的数目等于或者高于真实的类簇的数目时，该指标上升会很缓慢，而一旦试图得到少于真实数目的类簇时，该指标会急剧上升

3. 基于结构的算法：即比较类内距离、类间距离以确定K。这个也是最常用的办法，如使用平均轮廓系数，越趋近1聚类效果越好；如计算类内距离/类间距离，值越小越好；等。其中轮廓系数(silhouette coefficient)。结合了凝聚度和分离度。计算公式如下

其中

向量到所有它属于的簇中其它点的距离的平均，

向量到所有非本身所在簇中其它点的距离的平均距离

4. 基于一致性矩阵的算法：即认为在正确的K时，不同次聚类的结果会更加相似，以此确定K

5. 基于层次聚类：即基于合并或分裂的思想，在一定情况下停止从而获得K

6. 基于采样的算法：即对样本采样，分别做聚类；根据这些结果的相似性确定K。如，将样本分为训练与测试样本；对训练样本训练分类器，用于预测测试样本类别，并与聚类的类别比较

7. 使用Canopy Method算法进行初始划分

8. 使用BIC算法进行初始划分

欢迎关注我的公众号，第一时间追踪相关面试题和总结：百面机器学习。

回复干货获取相关资料和面试题总结(定期更新)。

笔者只是一些问题的搬运工，具体需要对问题进行深入的小伙伴还望自己阅读相关文献，这里只是提出一些问题，以便于面试时问到，如果内容有一些错误，还望批评指正！