如何在DataFrame上应用肘方法确定K-means聚类数?解决维度报错问题
报错根因
- 你把绘图逻辑写进了K值遍历的循环内部。每次循环执行到绘图代码时,传入
plt.plot的x轴是固定长度10的range(1, 11),但此时wcss列表仅保存了当前已算完的K值对应的WCSS值(首循环仅1个元素、第二次循环仅2个元素…),x和y的维度长度始终不匹配,直接触发维度不一致的报错。 - 肘方法的标准流程是先算完全部K值,再绘图:循环的唯一作用是遍历预设的K范围,把每个K对应的簇内平方和(WCSS)收集到列表里,等循环跑完、列表长度和K值数量完全对齐后,再统一执行绘图操作。
修正后的可运行代码
from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans import matplotlib.pyplot as plt def elbow_K(df): # 对输入特征做标准化,消除量纲差异的影响 scaler = StandardScaler() scaled_data = scaler.fit_transform(df) wcss = [] # 遍历预设的K值范围(1到10) for k in range(1, 11): kmeans = KMeans(n_clusters=k, init='k-means++', max_iter=200, n_init=10, random_state=0) kmeans.fit(scaled_data) wcss.append(kmeans.inertia_) # 所有K值计算完成后,再执行绘图 plt.plot(range(1, 11), wcss) plt.title('Elbow Method') plt.xlabel('Number of clusters') plt.ylabel('WCSS') plt.show()
代码调整说明
- 把所有绘图相关的代码从循环内部移到循环外部,等10个K值对应的WCSS全部收集完成后再绘图,从根源上解决维度不匹配的问题。
- 补充了特征标准化步骤:从你提供的样例数据看,
col5的数值范围在-188到30之间,和其余列0.5-1.5的数值跨度差异极大。K-means基于样本间距离计算相似度,不做标准化的话,量纲更大的col5会完全主导距离计算结果,导致聚类结果和肘方法的判断全部失真,必须先把所有特征映射到统一尺度上再做聚类。
最优K值判断方法
运行函数生成肘方法曲线图后,找到曲线从陡降段转入平缓段的拐点位置,对应的x轴数值就是合理的最优K值:比如曲线在K=3之前WCSS随K增加快速下降,K>3之后WCSS的下降幅度明显收窄,那么K=3就是对应的肘点位置。
内容的提问来源于stack exchange,提问作者GKC
相关产品推荐
相关产品推荐

