sklearn聚類：確定大型數據集上羣集的最佳數量的最快方法

Question

我使用KMeans和python中的sklearn計算我的聚類的silhouette_score來計算我的聚類，但對於> 1000個樣本，使用> 1000聚類計算silhouette_score非常緩慢。

1. 是否有更快的方法來確定最佳羣集數量？
2. 或者我應該改變聚類算法？如果是，那麼對於數據集> 300.000個樣本和大量集羣來說，哪種算法是最好的（也是最快的）算法？

Answer 1

尋找聚類數最常見的方法是彎曲曲線法。但它會要求您多次運行KMeans算法以繪製圖形。 https://en.wikipedia.org/wiki/Determining_the_number_of_clusters_in_a_data_set維基頁面提到了一些確定聚類數量的常用方法。

Answer 2

輪廓分數，而更有吸引力的措施之一，iw O（n^2）。這意味着，計算分數比計算k均值聚類要昂貴得多！

此外，這些分數只是啓發式。他們不會以任何方式產生「最佳」聚類。他們只給出提示如何選擇k，但很多時候你會發現其他k更好！所以不要盲目信任這些分數。