确定给定肘部、轮廓和间隙统计图（在 R 中）的 K 均值簇的数量？

Question

我完全是机器学习和 k-means 算法的新手。经过一番搜索后，我确定在尝试为 k-means 找到正确的 k 时，我可以使用 Elbow、Silhouette 或 Gap 统计方法。问题是每个图表都给了我截然不同的输出。这些数据是针对具有纬度和经度的一个用户的位置，缩放几乎没有影响，因为所有位置实际上都在相同的 50 英里半径内。

这是我在 R 中使用的代码：

    #Determining the right number of clusters for each user beginning with UserId = 2949
la <- user2949$Latitude
lo<-user2949$Longitude
p <- cbind(la,lo)
s <- scale(p)
head(s)
#Using Elbow Method
Elbow <- fviz_nbclust(p,kmeans,method = "wss")+labs(subtitle = "Elbow Method")
Elbow
#Using Silhouette Method
Silhouette <- fviz_nbclust(p,kmeans,method = "silhouette")+labs(subtitle = "Silhouette Method")
Silhouette
#Using Gap Statistic
set.seed(123)
Gap <- fviz_nbclust(p,kmeans,nstart=25,method = "gap_stat",nboot=50)+labs(subtitle = "Gap Statistic Method",K.max = 20)
Gap

输出（这些仅在链接中，因为我显然无法发布没有 10 名声望的照片）： - 对我来说另一个问题是确定弯道，我听说我应该研究 BIC，但不知道如何解决这个问题。我通过查看得出的结论是，最佳聚类数可能是 6， - 这种方法说 10，考虑到用户数量的庞大，这对于我正在尝试做的事情可能是不可行的， - 差距统计表明 1 个集群就足够了。我不知道什么是误导，什么不是，因为我对每种方法都没有专业知识。

该项目的最终目标是查看所有用户位置，并根据他们的活动（由快餐店的信标接收）确定他们的“家”在哪里。我正在尝试找到一种大规模的方法来确定近 70,000 个用户的用户位置。我最初的想法是使用这些方法中最有效的方法进行循环，并将集群的中心作为可能的家庭位置......我可以使用什么代码来给我正确数量的集群，而无需查看 70,000 个图表?

Answer 1

如果这些启发式相互矛盾，这通常意味着k-means算法失败，没有k是好的。它不是一个非常健壮的算法，它对异常值很敏感。

您需要改进处理，并重新考虑您对什么是相似性以及什么是集群的假设。