python实现肘部法则和轮廓系数可视化

目的

在使用k-means算法聚类时，k值的选择十分重要，肘部法则和轮廓系数可以方面我们选择出最佳的k值。

数据说明

2019年各省份MFP等经济指标

均在Jupter notebook 实现

肘部法则的可视化

# 载入数据
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv('D:/目录/2019年各省MFP等.csv') # 文件目录加文件名
df.head()
#定位数据
X = df.iloc[:,2:6]
X.head()
# 标准化数据
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
standX = scaler.fit_transform(X)
standX
# 肘部法则的可视化
from sklearn.cluster import KMeans
elbow=[]
for i in range(1,20): # 创建遍历，找到最合适的k值kmeans=KMeans(n_clusters=i,init='k-means++',random_state=101)kmeans.fit(X)elbow.append(kmeans.inertia_)
# 通过画图找出最合适的K值
import seaborn as sns
sns.lineplot(range(1,20),elbow,color='blue')
plt.rcParams.update({'figure.figsize':(16,10),'figure.dpi':100})
plt.title('Elbow Method')
plt.show()

肘部法则图片，根据图片中内容，k=2最合适

轮廓系数

from sklearn import metrics
# 创建遍历，找到最合适的k值
scores = []
for k in range(2,20):labels = KMeans(n_clusters=k).fit(X).labels_score = metrics.silhouette_score(X,labels)scores.append(score)
# 通过画图找出最合适的K值
plt.plot(list(range(2,20)),scores)
plt.xlabel('Number of Clusters Initialized')
plt.ylabel('Sihouette Score')
plt.show()

轮廓系数图，根据图片中也是k=2最佳

纯新手，如有错误，欢迎指出，共同学习。

python实现肘部法则和轮廓系数可视化相关推荐

python K-means聚类分析聚类数的选择-肘部法则和轮廓系数
如何选择kmeans中的k值--肘部法则–Elbow Method和轮廓系数–Silhouette Coefficient
聚类总结（二）聚类性能评估、肘部法则、轮廓系数
文章目录一.聚类K的选择规则 1.1 肘部法则–Elbow Method 1.2 轮廓系数–Silhouette Coefficient 二.聚类性能评估 2.1 外部评估(external eva ...
Python——Kmeans聚类算法、轮廓系数（算法理论、代码）
目录 1 Kmeans模型理论 1.1 K-均值算法(K-means)算法概述 1.2 距离度量 1.3 K-means算法流程 1.4 K值的选择 1.5 K-means的优点 1.6 K-mean ...
肘部法和轮廓系数法确定K-means中的k值
目录 1. K-Means 算法 2. 肘部法 3. 轮廓系数法 1. K-Means 算法 k-means算法(详解k-means算法原理)是机器学习中常用的聚类算法,原理简单实现容易,内存占用量也 ...
point 如何求elbow_如何选择kmeans中的k值——肘部法则–Elbow Method和轮廓系数–Silhouette...
肘部法则–Elbow Method 我们知道k-means是以最小化样本与质点平方误差作为目标函数,将每个簇的质点与簇内样本点的平方距离误差和称为畸变程度(distortions),那么,对于一个簇, ...
如何选择kmeans中的k值——肘部法则–Elbow Method和轮廓系数–Silhouette Coefficient...
肘部法则–Elbow Method 我们知道k-means是以最小化样本与质点平方误差作为目标函数,将每个簇的质点与簇内样本点的平方距离误差和称为畸变程度(distortions),那么,对于一个簇, ...
matlab聚类轮廓系数,R数据挖掘第三篇：聚类的评估（簇数确定和轮廓系数）和可视化...
在实际的聚类应用中,通常使用k-均值和k-中心化算法来进行聚类分析,这两种算法都需要输入簇数,为了保证聚类的质量,应该首先确定最佳的簇数,并使用轮廓系数来评估聚类的结果. 一,k-均值法确定最佳的簇数 ...
机器学习（三）K-means聚类（手肘法、轮廓系数、可视化代码）
K-means聚类聚类是无监督学习当中非常重要的一部分,能够在没有标签的情况下将数据分类.说到聚类,最常用也是最重要的一个算法就是K-means算法. 算法介绍 K-means是一种非常简单快速高效 ...
python计算3j系数_聚类算法评估——轮廓系数及python实现
含义轮廓系数(Silhouette Coefficient),是聚类效果好坏的一种评价方式. 可见轮廓系数的值是介于 [-1,1] ,越趋近于1代表内聚度和分离度都相对较优. 计算步骤 1)对于簇中 ...

python实现肘部法则和轮廓系数可视化

目的

数据说明

均在Jupter notebook 实现

肘部法则的可视化

轮廓系数

python实现肘部法则和轮廓系数可视化相关推荐

最新文章

热门文章