python如何获取最优轮廓系数

如果想要最好的点，应该选择最高的点。

1、通过设置不同的k值来测试和计算轮廓系数，可以获得最佳k值对应的最佳轮廓系数。

2、也可以绘图观察和选择最高。但为了防止拟合现象，也可以通过手肘选择最佳k值。

实例

fromsklearn.clusterimportKMeans
fromsklearn.preprocessingimportMaxAbsScaler#小数定标标准化
fromsklearn.preprocessingimportMinMaxScaler#离差标准化
fromsklearn.preprocessingimportStandardScaler#标准差标准化
#评估指标-----轮廓系数
fromsklearn.metricsimportsilhouetee_score

#由于是聚类算法，数据可能存在量纲，需要标准化，在使用算法之前
#实例化
sca=MaxAbsScaler()
sca=MinMaxScaler()
sca=StandardScaler()
#拟合
sca.fit(训练集特征)
#处理数据
X_train=sca.transform(训练集特征)


#实例化
km=KMeans()
#参数：
#n_clusters=3，表示k=3，也就是随机三个聚类中心，最小值是2
#init，聚类中心初始化方法，默认k-means++
#max_iter，迭代次数，默认300，如果后期无法收敛可以尝试增加迭代次数
#random_state=1，随机种子，默认是None

#拟合
km.fit(训练集特征)

#查看聚类中心
print('聚类中心：',km.cluster_centers_)

#查看预测结果
#可以直接传入训练集，也可以传入自定义二维数组
y_pred=km.predict(训练集特征)
print('整个数据的类别：',y_pred)

#查看SSE---误差平方和
#默认是取反操作，大多数情况得出来的是负值【-inf,0】
#绝对值越小越好
score=km.score(X_train,y_pred)
print('SSE',score)

#评估指标----轮廓系数(-1,1)，越大越好
print('轮廓系数：',silhouetee_score(X_train,y_pred))

以上就是python获取最优轮廓系数的方法，希望对大家有所帮助。更多Python学习指路：Python基础教程