如何从Yellowbrick库KElbowVisualizer中提取k值并存入变量

KElbowVisualizer完成数据拟合后，会自动将计算得到的肘点k值存储在实例的elbow_value_属性中，直接调用该属性即可赋值为变量供后续使用，完整实现逻辑参考如下代码：

# 导入依赖库
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
from yellowbrick.cluster import KElbowVisualizer

# 构造测试聚类数据
X, _ = make_blobs(n_samples=1200, centers=6, random_state=42)

# 初始化聚类模型与肘点可视化工具
kmeans_model = KMeans(n_init="auto", random_state=42)
visualizer = KElbowVisualizer(kmeans_model, k=(2, 12))

# 拟合数据完成肘点计算
visualizer.fit(X)
# （可选）生成可视化图
visualizer.show()

# 提取最优k值存入变量
optimal_k = visualizer.elbow_value_
print(f"提取到的最优聚类数k为：{optimal_k}")

注意事项 #

• 必须完成fit()方法调用后，elbow_value_属性才会被赋值，提前调用会抛出属性不存在的报错
• 若数据集无明显肘点，elbow_value_会返回None，生产环境使用建议先做非空判断
• 自定义距离指标、肘点计算规则的场景下，计算结果也会同步写入该属性，无需额外适配

内容的提问来源于stack exchange，提问作者Marius