如何在K-均值算法中选择最佳的初始质心数量？

我正在尝试使用K-均值算法，但我不确定应该选择多少个初始质心数量才能得到最佳的聚类。我已经尝试过使用手肘方法和轮廓系数来确定最佳的质心数量，但是结果不够理想。我想请教一下，还有什么方法可以确定最佳数量的初始质心？是否有其他技巧或工具可以用来优化选择最佳的K值？谢谢！

提问时间：2023-06-07 01:56:53 编辑时间：2023-06-07 01:56:55 提问者： 风吹过的草地
  • 雪山飞狐
    10

    除手肘方法和轮廓系数方法外，还可以使用“Gap统计量”（Gap statistic）来确定最佳的初始质心数量。Gap统计量将原始数据和由随机数据生成的参考数据进行比较，通过比较两者的聚类结果，计算出最佳的初始质心数量。此外，还可以使用层次聚类（hierarchical clustering）等其他聚类算法，作为辅助方法优化选择最佳的K值。

    回答时间：2023-06-07 01:56:58
相关标签

K-均值算法 初始质心数量 聚类分析 数据挖掘