在定義簇數時應考慮是膝蓋還是肘部？

Question

我正在使用彎頭方法，輪廓線，並嘗試從數據中找到最佳km簇數。 現在，對於大多數軟件包，如果我考慮wss（在相似性得分之內）或輪廓，則給出3分的PAM，Kmeans，clara。 通過Hubert分析，理想情況下，我得到2個群集。 下面的命令只有奇怪的事情給了我一個圖，對我來說有點混亂。 我應該將其視為3個群集還是4個群集。如果有人可以在這里給我一些反饋。

使用的代碼

    wss <- (nrow(scale(df))-1)*sum(apply(scale(df),2,var))
    for (i in 2:10) wss[i] <- sum(kmeans(scale(df),
                                                                                centers=i)$withinss) 
fviz_nbclust(scale(df), kmeans, method = "wss")

我還嘗試放置圖像，以便可以告訴我應該是3還是4，這是此處的群集編號。 理想情況下，我認為應該為4，因為WSS的全部要點是選擇SSE大致平坦的k。

Answer 1

基本思想是，低的“在平方和內”是一個好的模型的信號（就誤差而言）。 但是，簇越多，該平方誤差總和（SSE）的值越低。

簡而言之：“當您看到SSE下降的速率（集群數量更多）的速度放慢時，凍結集群數量將是一個好時機”。

因此，它是肘部 ，在您的情況下為4 ，因為SSE的下降在4之后開始減緩。

另請參閱： 在這里和這里

在Wikipedia上，可以很好地概述如何確定簇數： 此處