• 所有问题

    • K-均值聚类K值如何自动选取

    最近在研究K均值算法，将其用于一个数据集的分类。但是，K均值缺点限制了有效利用。我对我要处理的数据集并不知道能够分几类，也就是K值未知，我不想手动输入K值进行分类。我打算用其他算法改进，不知道如何入手。大家可以探讨一下啊！

    举报该问题
    推荐答案   2013-12-29
    聚类数的确定没有个确切方法。K值可以先用系统聚类法，看谱系图然后得出大致分几类。然后试多几个k值，确定个最好的。我是这么做的，有些牛人的方法我就看不懂了。不过你可以研究一下。我可以发些资料给你。《聚类分析中类数估计方法的实验比较》《Ward系统聚类法在多变量分层抽样技术中的运用》
    温馨提示：答案为网友推荐，仅供参考
    其他回答
    第1个回答  2013-12-29
    貌似有人提出了计算轮廓系数的方法，进行反复迭代，找到合适的k值
    相似回答
    K-均值聚类K值如何自动选取答：聚类数的确定没有个确切方法。K值可以先用系统聚类法，看谱系图然后得出大致分几类。然后试多几个k值，确定个最好的。我是这么做的，有些牛人的方法我就看不懂了。不过你可以研究一下。我可以发些资料给你。《聚类分析中类数估计方法的实验比较》《Ward系统聚类法在多变量分层抽样技术中的运用》...
    k均值聚类中聚类个数是人工指定还是算法自动确定?答：在实践中，确定合适的k值是一个重要步骤，因为这直接影响到聚类的结果。有几种方法可以帮助选择最佳的k值，包括肘部法则（Elbow method）、轮廓分析（Silhouette analysis）和间隙统计（Gap statistic）。这些方法通过分析聚类内部和聚类之间的紧密性或分散性来评估不同k值的效果。例如，肘部法则通过绘制不同k值...
    K-均值聚类K值如何自动选取答：貌似有人提出了计算轮廓系数的方法，进行反复迭代，找到合适的k值
    k均值算法的聚类数k如何确定答：肘部法选择的并不是误差平方和最小的，而是误差平方和突然变小时对应的k值。轮廓系数是一种非常常用的聚类效果评价指标。该指标结合了内聚度和分离度两个因素。其具体计算过程是，假设已经通过聚类算法将待分类的数据进行了聚类，并最终得到了k个簇。对于每个簇中的每个样本点，分别计算其轮廓系数。
    k-means的k值该如何确定?答：当我们尝试增加k值，比如k=2，数据开始被分割，WSS会有所下降。随着k值的递增，这个下降趋势会逐渐放缓，直至达到一个拐点，这个拐点就像我们肘关节的弯曲，标志着最佳的k值分割点。这个拐点位置的k值，就是k-means算法的最佳选择，它在数据的复杂性和聚类的简洁性之间找到了平衡。然而，需要强调的是，k-...
    聚类(K-means、K-均值)算法的基础、原理、Python实现和应用答：代码示例中，通过标准化数据并运行K-means，我们看到聚类后的结果，尽管分组准确率可能有波动，但K-means的直观性不容忽视。 5. 优缺点与改进：寻求平衡 K-means的优势在于简单、高效，但K值的选择、初始中心点的敏感性以及对异常点的处理是其明显的弱点。为克服这些，科研者们提出了多种改进方法。
    k均值聚类算法答：k均值聚类算法是：先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，这个过程将不断重复直到满足某个终止条件。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。
    大家正在搜
    系统聚类与K均值聚类异同处K均值聚类法怎么计算类间距离K均值聚类及其应用K均值聚类算法K均值聚类算法实现K均值聚类的基本思想K均值算法聚类结果优化K均值聚类法的优点K均值聚类算法的MATLAB实现
    相关问题
    K-均值聚类K值如何自动选取
    k-means算法中k值怎么选择杨善林
    如何改进kmeans算法中的k的选取问题
    如何选取k-means聚类的类的个数
    K均值聚类法和系统聚类法有什么区别，这两种聚类方法的适用条件...
    R语言中，使用hclust时，如何选取合适的k值，系统能自动...
    使用K-means聚类分析如何确定最优分类
    k-means聚类算法，噪声值怎么处理？