我很困惑,因为我看到了不同的方法来实现肘部方法来识别 Kmean 中正确的聚类数量,并且它们产生的结果略有不同。
此处描述了一种方法 Sklearn kmeans equivalent of elbow method 并使用 kmeans_inertia_ 此处描述了其他方法 https://pythonprogramminglanguage.com/kmeans-elbow-method/ 并正在使用以下命令。
distortions.append(sum(np.min(cdist(X, kmeanModel.cluster_centers_, 'euclidean'), axis=1))/X.shape[0]) 我想知道 Kmeans_inertia_ 是做什么的?并且两者的实现是否正确?
请您参考如下方法:
没有明确定义的东西就没有“正确”。
肘法是一种极其粗糙的启发式方法,我不知道有任何正式定义,也没有引用。
这两种方法通常会产生相同的 k...
但是根据 k-means 的概念,使用它的“正确”方法是平方误差,不是欧氏距离。因为 k-means 最小化平方误差,它不会最小化欧几里德距离(尝试证明这一点!你不能因为有反例)。
