轮廓系数法和肘部法确定Kmeans最佳K值_轮廓系数判断k的最优

我们在使用kmeans进行聚类时，往往凭感觉确定聚类中心的个数，可以通过轮廓系数法和肘部法自动确定最佳K值，代码如下

# 定义一个类实现,KMeans肘部法和轮廓系数法确定最佳聚类个数
class GetSample:
    def __init__(self,data):
        self.data=data
 
# 数据预处理
    def  data_pre(self):
        self.level_sample = self.data.values
        scaler = StandardScaler()
        self.level_sample=scaler.fit_transform(self.level_sample)
        pca=PCA(n_components=2)
        self.level_sample=pca.fit_transform(self.level_sample)
        return self.level_sample
 
 
 
# 肘部法确定聚类中心数
    def zhoubufa(self):
        sse_result = []
        K = range(1, 10)
        data=self.data_pre()
        for k in K:
            kmeans = KMeans(n_clusters=k)
            kmeans.fit(data)
            sse_result.append(sum(np.min(cdist(data, kmeans.cluster_centers_, 'euclidean'), axis=1)) / data.shape[0])
        plt.plot(K, sse_result, 'gx-')
        plt.xlabel('k')
        plt.ylabel(u'平均畸变程度')
        plt.title(u'肘部法则确定最佳的K值')
        plt.show()
 
# 轮廓系数法确定聚类中心数
    def lunkuoxishu(self):
        K = range(2, 10)
        data = self.data_pre()
        score = []
        for k in K:
            kmeans = KMeans(n_clusters=k)
            kmeans.fit(data)
            score.append(silhouette_score(data, kmeans.labels_, metric='euclidean'))
        plt.plot(K, score, 'r*-')
        plt.xlabel('k')
        plt.ylabel(u'轮廓系数')
        plt.title(u'轮廓系数确定最佳的K值')
        plt.show()
 
 
# 根据获取的最佳聚类中心数量，对样本数据进行聚类，并对数据进行降维进行可视化展示
def get_cluter(n,data):
    data=data
    n_clusters=n
    cluster=KMeans(n_clusters=n_clusters,random_state=0).fit(data)
    y_pred=cluster.labels_
    centorid = cluster.cluster_centers_
 
    #color = ['r', 'b', 'c', 'g', 'y', 'liac','peach','beige','salmon','mauve']
    color = ['r', 'b', 'c', 'g', 'y', 'm','k','lime','cyan','brown']
    fig, ax1 = plt.subplots(1)
    for i in range(n_clusters):
        ax1.scatter(data[y_pred == i, 0], data[y_pred == i, 1]
                    , marker='o'
                    , s=8
                    , c=color[i]
                    )
        ax1.scatter(centorid[:, 0], centorid[:, 1]
                , marker='*'
                , s=20
                , c='black'
 
                )
    plt.show()
    return y_pred
        
 

运行结果

聚类结果可视化

轮廓系数法运算量较大，因此对原始数据进行主成分分析。如上所示，选择最佳的K为6，其中轮廓系数法的结果比较明显，肘部法不是那么明显，但是肘部法的运算速度要快很多