K-Means肘部法不同实现对比：两种方法是否均正确？

首先，搞懂kmeans.inertia_到底是什么 #

inertia_是sklearn的KMeans模型训练完成后自带的属性，它的定义非常明确：所有样本到其所属簇中心的欧氏距离的平方和。公式可以写成：
$$\text{inertia} = \sum_{i=0}^{n-1} \min_{j \in {0..k-1}} ||x_i - c_j||^2$$
其中$x_i$是单个样本，$c_j$是第j个簇的中心，n是总样本数。这个值越小，说明簇内的样本越紧凑，聚类效果越好（当然k越大这个值肯定越小，所以才需要肘部法找拐点）。

两种实现的差异与正确性分析 #

你提到的两种方法，本质上都是在衡量聚类的"紧凑程度"，只是用了不同的量化方式，两者都是正确的，差异来自指标的计算方式：

• 第一种直接调用kmeans.inertia_：用的是平方距离的总和，这个值是KMeans训练过程中就已经计算好的，调用起来非常高效，不需要额外的计算。
• 第二种手动计算的方式：sum(np.min(cdist(X, kmeanModel.cluster_centers_, 'euclidean'), axis=1)) / X.shape[0]，它计算的是每个样本到最近簇中心的欧氏距离的平均值（先取每个样本的最小距离，求和后除以样本数）。

为什么结果会略有差异？ #

很简单：一个是平方距离的总和，一个是原始距离的平均值，数值维度和量级自然不一样。比如假设某个样本到中心的距离是3，它对inertia_的贡献是9，对第二种方法的贡献是3/总样本数。但重点是：随着k的增加，两个指标的变化趋势完全一致——都是单调递减，并且肘部出现的位置是相同的。因为肘部法看的是"下降速度突然变缓"的那个点，不管用哪种指标，这个拐点的位置不会变。

总结 #

两种实现都是有效的肘部法手段，选哪种都可以：

• 如果追求高效，直接用inertia_就好，不用额外写计算代码；
• 如果更习惯看"平均距离"这种直观的指标，手动计算的方式也没问题。
  核心是理解它们都是在衡量簇内样本的紧凑性，趋势一致，所以都能帮你找到最优的k值。

内容的提问来源于stack exchange，提问作者user59419