我正在尝试评估对某些数据进行聚类所需的正确聚类数。
我知道使用 Davies–Bouldin Index (DBI) 可以做到这一点。
要使用 DBI，您必须为任意数量的集群计算它，并且最小化 DBI 的那个对应于所需的正确数量的集群。
问题是：
如何知道使用 DBI 的 2 个集群是否优于 1 个集群？那么，当我只有 1 个集群时，如何计算 DBI？
【问题讨论】：
标签： machine-learning cluster-analysis
只考虑所有集群的平均DBI 显然不是一个好主意。
当然，增加集群的数量 - k，如果每个数据点都被认为是它自己的集群，那么在没有惩罚的情况下，总是会减少结果集群中的 DBI 数量，达到零 DBI 的极端情况（因为每个数据点与其自己的质心重叠）。
如何知道使用 DBI 的 2 个集群是否优于 1 个集群？那么，当我只有 1 个集群时如何计算 DBI？
因此，如果仅使用平均 DBI 作为性能指标，很难说哪个更好。
一个很好的实用方法是使用Elbow method。
另一种方法将方差百分比解释为集群数量的函数：您应该选择多个集群，以便添加另一个集群不会提供更好的数据建模。更准确地说，如果你绘制集群解释的方差百分比与集群数量的关系图，第一个集群将添加很多信息（解释很多方差），但在某些时候边际增益会下降，给出一个角度图形。此时选择集群的数量，因此是“肘部标准”。
关于选择最佳集群数量的其他一些不错的选择：
【讨论】：