机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

222

｜

第

9

章

集群

图 9-10：各种

K

值的轮廓图分析（续）

垂直虚线表示每个集群的轮廓分数。当集群中的大多数实例的系数均低于此分数时（如

果许多实例在虚线附近停止，在其左侧结束），则该集群比较糟糕，因为这意味着其实例

太接近其他集群了。可以看到，当

k

= 3 或者

k

= 6 时，我们得到了不好的集群。但是当

k

= 4 或

k

= 5 时，集群看起来很好：大多数实例都超出虚线，向右延伸并接近 1.0。当

k

= 4 时，索引为 1（从顶部开始的第三个）的集群很大。当

k

= 5 时，所有集群的大小

都相似。因此，即使

k

= 4 的整体轮廓得分略大于

k

= 5 的轮廓得分，使用

k

= 5 来获得

相似大小的集群似乎也是一个好主意。

9.1.2 K-Means 的局限

尽管 K-Means 有许多优点，尤其是快速且可扩展，但它并不完美。如我们所见，必须多

次运行该算法才能避免次优解，此外，你还需要指定集群数，这很麻烦。此外，当集群

具有不同的大小、不同的密度或非球形时，K-Means 的表现也不佳。例如，图 9-11 显示

了 K-Means 如何对包含三个不同尺寸、密度和方向的椭圆形集群的数据集进行聚类。

图 9-11：K-Means 无法正确聚类这些椭圆形集群

无监督学习技术

｜

223

如你所见，这些聚类的结果都不好 ...