有没有办法在 Python 中获得 k-means 的集群内距离

Question

您好，我是 Python 新手，并试图在下面弄清楚这些。非常感谢任何帮助。谢谢

1. 如何使用 python 在 kmeans 中获取集群内和集群间距离？
2. 如何验证集群的质量？有什么措施可以检查形成的集群的好坏？
3. 有没有办法找出哪些因素/变量是影响聚类的最重要特征 - 特征提取/选择

我对上面的问题 1 进行了尝试，这是正确的方法吗？？

dists = euclidean_distances(km.cluster_centers_)
tri_dists = dists[np.triu_indices(4, 1)]
max_dist, avg_dist, min_dist = tri_dists.max(), tri_dists.mean(), tri_dists.min()

print(max_dist, avg_dist, min_dist)

Answer 1

避免将多个问题合二为一。

1. K-means 不会计算所有这些距离。否则它将需要 O(n²) 时间和内存，这会慢得多！它使用称为 Koenig-Huygens 定理的特殊方差特性（它不只优化除平方和之外的其他距离的另一个原因）。
2. 是的，文献中提出了超过 20 个，甚至可能是 100 个这样的质量测量方法。但这并没有让选择“最佳”聚类变得更容易：最终，聚类对于用户来说是主观的。
3. 是的，您可以应用各种技术，从方差分析到因子分析再到随机森林。