如何在 sklearn 库的 k-means 聚类中使用剪影分数？

Question

我想在我的脚本中使用 silhouette 分数，从 sklearn 自动计算 k 均值聚类中的聚类数。

import numpy as np
import pandas as pd
import csv
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

filename = "CSV_BIG.csv"

# Read the CSV file with the Pandas lib.
path_dir = ".\"
dataframe = pd.read_csv(path_dir + filename, encoding = "utf-8", sep = ';' ) # "ISO-8859-1")
df = dataframe.copy(deep=True)

#Use silhouette score
range_n_clusters = list (range(2,10))
print ("Number of clusters from 2 to 9: \n", range_n_clusters)

for n_clusters in range_n_clusters:
    clusterer = KMeans (n_clusters=n_clusters).fit(?)
    preds = clusterer.predict(?)
    centers = clusterer.cluster_centers_

    score = silhouette_score (?, preds, metric='euclidean')
    print ("For n_clusters = {}, silhouette score is {})".format(n_clusters, score)

有人可以帮我打问号吗？我不明白用什么代替问号。我从一个例子中获取了代码。注释的部分是之前的版本，这里我做k-means聚类，固定的簇数设置为4。这种方式的代码是正确的，但是在我的项目中我需要自动选择簇数。

Answer 1

我假设您要进行轮廓评分以获得最佳编号。集群。

首先声明一个单独的 KMeans 对象，然后像这样

在您的数据 df 上调用它的 fit_predict 函数

for n_clusters in range_n_clusters:
    clusterer = KMeans(n_clusters=n_clusters)
    preds = clusterer.fit_predict(df)
    centers = clusterer.cluster_centers_

    score = silhouette_score(df, preds)
    print("For n_clusters = {}, silhouette score is {})".format(n_clusters, score))

请参阅 this official example 以了解更多信息。

Answer 2

那个？是您要应用 K-means 的数据集或数据框。谢谢。

如何在 sklearn 库的 k-means 聚类中使用剪影分数？

How to use silhouette score in k-means clustering from sklearn library?

python-2.7

machine-learning

scikit-learn

k-means

silhouette