对于这个问题，什么是最好的k？（弯点图）

Question

我想在首尔地铁站附近找一个开咖啡店的好地方。你知道吗

包括的功能包括：

1. 某一特定站点每月的总下车次数
2. 特定车站附近的租金
3. 特定车站附近现有咖啡店的数量

我决定用肘尖找出最好的k。 在运行kmeans之前，我对所有特性进行了标准化。你知道吗

现在拐点似乎是k=3（或者可能是k=2），但我认为SSE对于拐点来说太高了。你知道吗

同样使用k=3，很难从集群中获得见解，因为只有三个集群。你知道吗

使用k=5是获得见解的最佳时机。你知道吗

即使不是拐点，使用k=5是否合理？你知道吗

或者kmeans一开始不是一个好的选择？你知道吗

Answer 1

我不认为k-means能解决你的问题。你可能需要重新考虑你的方法。尤其要注意你优化了什么功能（SSE对你的任务意味着什么？）-在错误的功能上使用错误的函数意味着你可以得到不同问题的答案。。。你知道吗

他说这种方法非常不可靠，我希望人们最终能停下来提一提。如果你使用itz，你应该问的第一个问题是：在没有k的情况下，曲线看起来像随机数据上的典型曲线吗？如果是这样的话，完全停止并重做你的方法，因为看起来你的数据是坏的-或者至少，k-means不起作用。您正处于这种情况：该图表明k-means对您的数据无效。

Answer 2

拐点不是一个确定的规则，但是更像是一个启发式方法（它在大多数情况下都有效，但并不总是有效，所以我认为它更像是一个很好的经验法则，可以从中选择一些集群）。最重要的是，肘点不能总是明确地确定，所以你不应该太担心它。你知道吗

因此，在这种情况下，如果您在如何使用k=5理解数据方面获得更好的结果/收益，那么我强烈建议您使用k=5而不是k=3！你知道吗

现在，对于你的另一个问题，可能有一些方法更适合你的数据，但这并不意味着k-means不是一个好的开始方式。如果您想尝试其他方法，那么scikit-learn库documentation提供了在进行聚类时使用哪种算法或方法的良好见解。你知道吗

Answer 3

一种选择簇数的方法 是“肘部法”。正如解释的那样 机器学习专家Andrew Ng 计算每个k的失真值 簇的数目，可以绘制该值 相对于集群的数量。合适的k 可在变形处确定值 价值开始以较低的速度下降， 如下图中Ng的示例所示， k=3时（Ng，无日期a）。当失真值以稳定速率减小时，会出现问题，从而产生平滑的失真 曲线，如图中右边的Ng所示。没有明显的“关节”来识别 “肘部”。你知道吗

当我在写我的论文时，我的数据落在了后面（见下文-我应该为K选什么？）？？-在进行轮廓分析时，结果是4）

这意味着我需要找到另一种方法。另一种方法是通过轮廓分析。正如在Scikit-Learn documentation中所解释的，轮廓分析被探索以获得对轮廓分离的理解 集群。你知道吗

簇的轮廓系数从-1到+1。分数接近+1表示 样品与邻近的星团一样远，因此代表样品与其他星团不同 集群。得分为零意味着样本在边界上或接近决策 簇的边界。轮廓分数为-1表示样本被分配到错误的位置 聚类（通过KMeans聚类的轮廓分析选择聚类数-scikitlearn 0.19.1文档，2017）。 当观察到星团和轮廓的分布时 相对于其他簇的系数值，如“肘部法”，可以直观地识别 适当的k值。其目的是选择一个k值，其中 每个聚类相对来说是相同的，而大多数样本保持在平均水平以上 轮廓得分。你知道吗

我建议尝试一下（即使有一个明确的“肘”）来a）验证你选择了一个合适的k值，b）练习和了解其他方法是很好的。你知道吗