| 机器学习之K均值的SSE和轮廓系数 | 您所在的位置：网站首页 › k标准和k的关系 › 机器学习之K均值的SSE和轮廓系数 |
机器学习之K均值的SSE和轮廓系数
|
前文回顾： 肘部法：SSE误差平方和 SSE（sum of the squared errors）是对簇松散度的衡量，作为目标函数其实是一个严格的坐标下降（Coordinate Decendet）过程。SSE不能保证找到全局最优解，只能确保局部最优解。也就是说，可能会造成多种 k 个簇的划分情况。但是可以重复执行几次kmeans算法，选取SSE最小的一次作为最终的聚类结果。 轮廓系数法（Silhouette Coefficient） 轮廓系数法结合了聚类的凝聚度（Cohesion）和分离度（Separation），用于评估聚类的效果。 指标：内部距离最小化，外部距离最大化。平均轮廓系数的取值范围为[-1,1]，系数越大，聚类效果越好。 每次聚类后，每个样本都会得到一个轮廓系数，当它为1时，说明这个点与周围簇距离较远，结果非常好，当它为0，说明这个点可能处在两个簇的边界上，当值为负时，暗含该点可能被误分了。 Sklearn代码实现 import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn import datasets, metrics def km_sse_cs(): """ KMeans算法效果评价 1、簇内误方差(SSE, sum of the squared errors)，手肘法，肘部法，其大小表明函数拟合的好坏。 使用图形工具肘部法，根据簇的数量来可视化簇内误方差。下降率突然变缓时即认为是最佳的k值（拐点）。 当KMeans算法训练完成后，可以通过使用内置inertia属性来获取簇内的误方差。 2、轮廓系数法（Silhouette Coefficient）结合了聚类的凝聚度（Cohesion）和分离度（Separation） 平均轮廓系数的取值范围为[-1,1]，系数越大，聚类效果越好。当值为负时，暗含该点可能被误分了。 :return: """ sample = load_data() data = sample.data # 存放设置不同簇数时的SSE值 sse_list = [] # 轮廓系数 silhouettes = [] # 循环设置不同的聚类簇数 for i in range(2, 15): model = KMeans(n_clusters=i) model.fit(data) # kmeans算法inertia属性获取簇内的SSE sse_list.append(model.inertia_) # 轮廓系数 silhouette = metrics.silhouette_score(data, model.labels_, metric='euclidean') silhouettes.append(silhouette) # 绘制簇内误方差曲线 plt.subplot(211) plt.title('KMeans 簇内误方差') plt.plot(range(2, 15), sse_list, marker='*') plt.xlabel('簇数量') plt.ylabel('簇内误方差(SSE)') # 绘制轮廓系数曲线 plt.subplot(212) plt.title('KMeans 轮廓系数') plt.plot(range(2, 15), silhouettes, marker='o') plt.xlabel('簇数量') plt.ylabel('轮廓系数') plt.tight_layout() plt.show() def load_data(): """ 加载鸢尾花数据集 """ return datasets.load_iris() if __name__ == '__main__': import matplotlib as mpl # 汉字字体,优先使用楷体，如果找不到楷体，则使用黑体 mpl.rcParams['font.sans-serif'] = ['KaiTi', 'SimHei', 'FangSong'] # KMeans算法 km_sse_cs()运行效果图，如下： |
通过SSE图可明显看出拐点（肘部）的簇数量是3，与鸢尾花数据集的类别是吻合的。【本文地址】
公司简介
联系我们
| 今日新闻 |
| 推荐新闻 |
| 专题文章 |