python如何获取最优轮廓系数
小妮浅浅
2021-10-13 09:35:233900浏览 · 0收藏 · 0评论
如果想要最好的点,应该选择最高的点。
1、通过设置不同的k值来测试和计算轮廓系数,可以获得最佳k值对应的最佳轮廓系数。
2、也可以绘图观察和选择最高。但为了防止拟合现象,也可以通过手肘选择最佳k值。
实例
from sklearn.cluster import KMeans from sklearn.preprocessing import MaxAbsScaler # 小数定标标准化 from sklearn.preprocessing import MinMaxScaler # 离差标准化 from sklearn.preprocessing import StandardScaler # 标准差标准化 # 评估指标-----轮廓系数 from sklearn.metrics import silhouetee_score # 由于是聚类算法,数据可能存在量纲,需要标准化,在使用算法之前 # 实例化 sca = MaxAbsScaler() sca = MinMaxScaler() sca = StandardScaler() # 拟合 sca.fit( 训练集特征 ) # 处理数据 X_train = sca.transform( 训练集特征 ) # 实例化 km = KMeans() # 参数: # n_clusters=3,表示k=3,也就是随机三个聚类中心,最小值是2 # init,聚类中心初始化方法,默认k-means++ # max_iter,迭代次数,默认300,如果后期无法收敛可以尝试增加迭代次数 # random_state=1,随机种子,默认是None # 拟合 km.fit( 训练集特征 ) # 查看聚类中心 print('聚类中心:', km.cluster_centers_) # 查看预测结果 # 可以直接传入训练集,也可以传入自定义二维数组 y_pred = km.predict( 训练集特征 ) print('整个数据的类别:', y_pred) # 查看SSE---误差平方和 # 默认是取反操作,大多数情况得出来的是负值【-inf, 0】 # 绝对值越小越好 score = km.score(X_train, y_pred) print('SSE', score) # 评估指标----轮廓系数(-1, 1),越大越好 print('轮廓系数:', silhouetee_score(X_train, y_pred))
以上就是python获取最优轮廓系数的方法,希望对大家有所帮助。更多Python学习指路:python基础教程
本文教程操作环境:windows7系统、Python 3.9.1,DELL G3电脑。
关注公众号,随时随地在线学习
相关文章