K-means聚类中使用肘部法的K值如何确定？

1. 导入相关库和数据集

import matplotlib.pyplot as plt
import pandas as pd
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

X, y = make_blobs(n_samples=300, centers=4, cluster_std=0.60, random_state=0)

2. 计算不同K值下的SSE（Sum of Squared Errors）

sse = []
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, init='k-means++', max_iter=300, n_init=10, random_state=0)
    kmeans.fit(X)
    sse.append(kmeans.inertia_)

3. 绘制SSE与K值的折线图

plt.plot(range(1, 11), sse)
plt.title('Elbow Method')
plt.xlabel('Number of Clusters')
plt.ylabel('SSE')
plt.show()

运行上述代码，即可得到一个折线图，通过观察可以确定最佳的K值。在此数据集中，最佳的K值为4，因为在这个点之后SSE的下降趋势大幅减缓。

参考资料：

• https://medium.com/@cmukesh8688/k-means-clustering-in-python-153d1124891d
• https://scikit-learn.org/stable/modules/clustering.html#k-means