主要内容    在电力系统调度研究过程中，由于全年涉及的风、光和负荷曲线较多，为了分析出典型场景，很多时候就用到聚类算法，而K-means聚类就是常用到聚类算法，但是对于K-means聚类算法，需要自行指定分类数，如果没有方法支撑、纯自行确定分类数的话，显得随意性较大，很难令人信服，本次介绍一个方法——手肘法。 方法介绍 手肘法，很形象的命名方式，通过该方法得到的误差曲线类似手肘曲线，

写在前面： 首先感谢兄弟们的关注和订阅，让我有创作的动力，请一键三连，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。 1、介绍 K-Means 是一种简单但功能强大的无监督学习算法，是一种常用的基于距离的聚类算法。K-means算法基本思想是将样本数据划分为K个类别，使得每个数据点与其所属类别的聚类中心之间的距离最小化，从而达到聚类的目的。K-Me

原理   当K-means聚类的k值不被指定时，可以通过手肘法来估计聚类数量。   在聚类的过程中，随着聚类数的增大，样本划分会变得更加精细，每个类别的聚合程度更高，那么误差平方和（SSE）会逐渐变小，误差平方和即该类重心与其内部成员位置距离的平方和。SSE是手肘法的核心指标，其公式为： S S E = ∑ i = 1 k ∑ p ∈ C ∣ p − m i ∣ 2 SSE=\sum_{i=1}

基于Python的豆瓣电影评论的情感分析和聚类分析是一种用于探索电影评论数据的方法。 情感分析 情感分析旨在从文本中提取情感信息，并对其进行分类，如正面、负面或中性。在这里，我们使用了一个名为snownlp的Python库来进行情感分析。Snownlp是一个基于概率算法和自然语言处理技术的情感分析工具。 首先，我们需要收集豆瓣电影的评论数据。可以使用豆瓣API或其他方式获取评论文本。接下来，我

一、总代码呈现 #n为样本数目#m为特征数目#k为簇心数目#导入包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport copy as cpfrom sklearn.decomposition import PCA#计算欧几里得距离def Eucl_distance(array_x