如何在sklearn库的k均值聚类中使用轮廓分数？

Question

我想在脚本中使用轮廓分数，以自动计算来自sklearn的k均值聚类中的聚类数。

import numpy as np
import pandas as pd
import csv
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

filename = "CSV_BIG.csv"

# Read the CSV file with the Pandas lib.
path_dir = ".\\"
dataframe = pd.read_csv(path_dir + filename, encoding = "utf-8", sep = ';' ) # "ISO-8859-1")
df = dataframe.copy(deep=True)

#Use silhouette score
range_n_clusters = list (range(2,10))
print ("Number of clusters from 2 to 9: \n", range_n_clusters)

for n_clusters in range_n_clusters:
    clusterer = KMeans (n_clusters=n_clusters).fit(?)
    preds = clusterer.predict(?)
    centers = clusterer.cluster_centers_

    score = silhouette_score (?, preds, metric='euclidean')
    print ("For n_clusters = {}, silhouette score is {})".format(n_clusters, score)

有人可以帮我问号吗？我不知道要问号而不是问号。我已经从一个示例中获取了代码。带有注释的部分是以前的versione，在该版本中，我将k-means聚类进行了固定的簇数设置为4。这种方式是正确的，但是在我的项目中，我需要自动选择簇数。

Answer 1

我假设您要进行轮廓比分以获得最佳编号。集群。

首先声明一个单独的对象，KMeans然后像这样fit_predict对您的数据调用其函数df

for n_clusters in range_n_clusters:
    clusterer = KMeans (n_clusters=n_clusters)
    preds = clusterer.fit_predict(df)
    centers = clusterer.cluster_centers_

    score = silhouette_score (df, preds, metric='euclidean')
    print ("For n_clusters = {}, silhouette score is {})".format(n_clusters, score)

有关更多说明，请参见此官方示例。