三、（4）评价Kmeans算法聚类结果。利用手肘法SSE 和轮廓系数检验。

最新推荐文章于 2025-05-09 00:00:30 发布

Memory Of Seven Seconds

最新推荐文章于 2025-05-09 00:00:30 发布

阅读量3.2w

点赞数 76

CC 4.0 BY-SA版权

文章标签：三、（4）评价Kmeans算法聚类结果。利用手肘法SSE 和轮廓

本文链接：https://blog.youkuaiyun.com/weixin_43718084/article/details/90273463

三、（4）评价Kmeans算法聚类结果。利用手肘法SSE 和轮廓系数检验。

本文运用SSE(簇内误方差)和轮廓系数两种检验方法，对三、（2）python实现完整的K-means算法进行K值检验。

完整代码如下:

(1) SSE。

在这里插入图片描述

SSE利用计算误方差和，来实现对不同K值的选取后，每个K值对应簇内的点到中心点的距离误差平方和，理论上SSE的值越小，代表聚类效果越好，通过数据测试，SSE的值会逐渐趋向一个最小值。

代码如下：

# -*- coding: utf-8 -*-

from sklearn.cluster import KMeans   
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/Windows/Fonts/simhei.ttf",size=20)
import matplotlib.pyplot as plt

'''
    1、加载语料
'''
    #文档预料 空格连接
text = open('聚类4类.txt',"r", encoding='UTF-8').read()    #打开本体TXT文件

list1=text.split("\n")
mytext_list=list1

'''
2、把每篇文篇关键词出现10次以上，转化成向量(tf)，-idf设为权重
   #把关键词转化成词篇矩阵
'''
#提取关键词出现#min_df=10次以上的关键词
count_vec=CountVectorizer