K-Means聚类算法选取K值

选取聚类数量

目前来说，选取聚类的数量，仍然是靠手动选择，通常在数据集中，有几个聚类是说不清楚的。如下图，可以看作四个聚类，也可以看作两个聚类，也有人将它看作三个聚类。

肘部法则

肘部法则是通过改变K的值，来计算当前K值下代价函数J的值是多少，并将这几个 ( K , J ) 绘制在图像中，通过寻找一个明显的“拐点”，来选择一个合适的K值。

很明显，K = 3 是这个图像的肘部，即“拐点”，当选取大于 3 的值，再改变K值对代价函数值得影响不大了，因此，K = 3 是最佳的选项。
然而，在实际应用中，肘部法则并没有那么实用，因为往往通过肘部法则得到的曲线，是十分模糊的，无法很好地选取一个合适的拐点。

总之，肘部法则是值得尝试的一种方法，但是不能期待它得到很好的答案。

另一种选择聚类个数的方法

有时，我们运行K-Means聚类算法得到一个个聚类，是为了之后我们后续的下游目标而服务的，如上图，我们想通过图中的样本点选择 S，M，L尺寸的衣服，那么将 K 设置为 3 即可。