相同数据和集群数量的不同架构得分

Question

我想使用剪影得分为我的数据集选择一个最佳的集群数量。我的数据集是关于2000多个品牌的信息，包括购买该品牌的客户数量、该品牌的销售额以及该品牌在每个类别下销售的商品数量。在

由于我的数据集非常稀疏，所以在聚类之前我使用了maxabscaler和TruncatedSVD。在

我使用的聚类方法是k-means，因为我最熟悉这个方法（如果您对其他聚类方法有什么建议，我将非常感激）。在

当我将集群编号设置为80并运行k-means时，每次都会得到不同的轮廓分数。是因为k-means每次都给出不同的簇吗？ 有时候，80个簇的轮廓分数小于200，有时恰恰相反。所以我对如何选择合理数量的集群感到困惑。在

此外，我的剪影得分范围很小，随着簇数的增加，变化不大，范围从0.15到0.2。在

以下是我从跑步轮廓得分得到的结果：

For n_clusters=80, The Silhouette Coefficient is 0.17329035592930178
For n_clusters=100, The Silhouette Coefficient is 0.16970208098407866
For n_clusters=200, The Silhouette Coefficient is 0.1961679920561574
For n_clusters=300, The Silhouette Coefficient is 0.19367019831221857
For n_clusters=400, The Silhouette Coefficient is 0.19818865972762675
For n_clusters=500, The Silhouette Coefficient is 0.19551544844885604
For n_clusters=600, The Silhouette Coefficient is 0.19611760638136203

我将非常感谢你的建议！提前谢谢！在

Answer 1

是的，k-means是随机的，所以它并不总是给出相同的结果。在

通常这意味着这个k不好。在

但不要盲目依赖轮廓。找到“最佳”k是不够可靠的。很大程度上，因为通常根本就没有最佳k。在

查看数据，并根据您的理解选择一个好的集群。别指望什么好事会自动出现。在