python培训之如何获取最优轮廓系数

　　python如何获取最优轮廓系数

　　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：请关注多测师。https://www.e70w.com/xwzx/