python怎么获取最优轮廓系数

这篇文章主要介绍了python怎么获取最优轮廓系数，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

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 KMeansfrom 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，最大迭代次数，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))

感谢你能够认真阅读完这篇文章，希望小编分享的"python怎么获取最优轮廓系数"这篇文章对大家有帮助，同时也希望大家多多支持，关注行业资讯频道，更多相关知识等着你来学习!