怎么用python獲取最優輪廓系數

這篇“怎么用python獲取最優輪廓系數”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“怎么用python獲取最優輪廓系數”文章吧。

1、通過設置不同的k值來測試和計算輪廓系數，可以獲得最佳k值對應的最佳輪廓系數。

2、也可以繪圖觀察和選擇最高。但為了防止擬合現象，也可以通過手肘選擇最佳k值。

實例

from sklearn.cluster import KMeans
from sklearn.preprocessing import MaxAbsScaler  # 小數定標標準化
from sklearn.preprocessing import MinMaxScaler  # 離差標準化
from sklearn.preprocessing import StandardScaler  # 標準差標準化
# 評估指標-----輪廓系數
from sklearn.metrics import silhouetee_score
 
# 由于是聚類算法，數據可能存在量綱，需要標準化，在使用算法之前
# 實例化
sca = MaxAbsScaler()
sca = MinMaxScaler()
sca = StandardScaler()
# 擬合
sca.fit( 訓練集特征 )
# 處理數據
X_train = sca.transform( 訓練集特征 )
 
 
# 實例化
km = KMeans()
# 參數：
# n_clusters=3，表示k=3，也就是隨機三個聚類中心，最小值是2
# init，聚類中心初始化方法，默認k-means++
# max_iter，迭代次數，默認300，如果后期無法收斂可以嘗試增加迭代次數
# random_state=1，隨機種子，默認是None
 
# 擬合
km.fit( 訓練集特征 )
 
# 查看聚類中心
print('聚類中心：', km.cluster_centers_)
 
# 查看預測結果
# 可以直接傳入訓練集，也可以傳入自定義二維數組
y_pred = km.predict( 訓練集特征 )
print('整個數據的類別：', y_pred)
 
# 查看SSE---誤差平方和
# 默認是取反操作，大多數情況得出來的是負值【-inf, 0】
# 絕對值越小越好
score = km.score(X_train, y_pred)
print('SSE', score)
 
# 評估指標----輪廓系數(-1, 1)，越大越好
print('輪廓系數：', silhouetee_score(X_train, y_pred))

以上就是關于“怎么用python獲取最優輪廓系數”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。