点击上方“AI公园”，关注公众号，选择加“星标“或“置顶” 作者：Tirthajyoti Sarkar 编译：ronghuaiyang 导读 我们展示了用来可视化和决定最佳聚类数量的评估方法，要比最常用的elbow方法要好的多。 介绍 聚类是利用数据科学的商业或科研企业机器学习pipeline的重要组成部分。顾名思义，它有助于在一个数据blob中确定紧密相关(通过某种距离度量)的数据点的集

文章目录 一、方法简述二、使用到的数据集三、代码实现四、结论 一、方法简述 在Kmeans算法中最终聚类数量K的选择主要通过两个方法综合判断： Elbow Method 这是一种绘制k值范围的平方和的方法。如果此图看起来像一只手臂，则k是选择的类似肘部的值。从这个肘值开始，平方和(惯性)开始以线性方式减小，因此被认为是最佳值。 上图的最佳K值为3 Silhouette