如何從不同的中心找到最佳的K均值聚類

Question

我目前正在學習聚類。我執行我的數據庫中存儲的用戶的average_duration_of_call k-mean羣集。在首次運行3箇中心 cluster1（53.33369秒）-367訂戶，cluster2（121.67123秒）-128訂戶，cluster3（369.09000秒）-8訂戶。

我再次重新運行聚類中心6和中心獲得如cluster1中（904.66670秒）-1訂戶，Cluster2中（27.7秒） - 108訂戶，cluster3（151.58）-43訂戶，cluster4（95秒） - 135用戶，cluster5（59.5秒） - 207用戶，cluster6（278秒）-9用戶。

現在我的問題是哪個是最好的集羣以及如何找到最佳集羣。我期望有任何經驗幫助（我目前使用R語言）

Answer 1

如果您是初學者，那麼我建議您啓動基於密度的聚類，以便不需要K的初始值。您最初可以使用epsilon = 10和minpts = 5啓動dbscan集羣，然後檢查生成的集羣數量。之後，開始平穩增加epsilon（11,12，... 15）和減少minpt（4，3，.1），並檢查每次生成的簇的數量。那麼這些數字的平均值應該反映真實羣集的平均數量。

但是，如果您需要應用k均值聚類，那麼您可能會發現Selection of K in K-means clustering紙張有用。

Answer 2

那麼，k-means已經爲您的平方和計算了分數。

選擇取得較好成績的成績。

但是，當你增加k時，分數改善是很自然的。顯然，如果將k設置爲數據集大小，則它將爲0.然後，您可能需要使用BIC或Silhouette係數（在維基百科上查看它）。

哦，並考慮使用一本書。這是一個經典的問題，它應該包含在任何好書中。