確定羣集的最佳數量和Davies-Bouldin指數？

我正在評估羣集某些數據所需的羣集數量是多少。確定羣集的最佳數量和Davies-Bouldin指數？

我知道這可以使用戴維斯 - 鮑爾丁指數（DBI）。

要使用DBI，您必須計算任意數量的集羣，並且將DBI最小化的集羣對應於所需的正確集羣數量。

的問題是：

怎麼知道2簇比使用DBI 1個集羣更好？那麼，當我只有一個羣集時，如何計算DBI？

來源

2013-01-17 Gappa

只考慮所有簇的平均值DBI顯然不是一個好主意。

當然，增加的簇的數目 - k，而不受處罰，將始終降低DBI的量在所得聚類，爲零DBI極端情況下，如果每個數據點被認爲是其自己的集羣（因爲每個數據點與自己的質心重疊）。

如何知道2個集羣是否優於1個集羣使用DBI？那麼，當我只有一個羣集時，如何計算DBI？

因此，如果只使用平均值DBI作爲性能指標，很難說哪一個更好。

一個很好的實用方法是使用Elbow method。

另一種方法查看作爲羣集數量函數解釋的方差百分比：您應該選擇一些羣集，以便添加另一個羣集不會給出更好的數據建模。更準確地說，如果你繪製了聚類所解釋的方差相對於聚類數量的百分比，那麼第一類聚類會增加很多信息（解釋很多方差），但是在某一點上，邊際增益會下降，從而給出一個角度圖形。在這一點上選擇聚類的數量，因此是「肘標準」。

enter image description here

與各自以選擇最佳聚類數其他一些很好的選擇：

來源

2013-01-22 01:13:44 greeness

確定羣集的最佳數量和Davies-Bouldin指數？

回答

相關問題