问使用平滑器和L方法来确定K均值聚类的数量

EN

在应用L方法来确定数据集中k均值聚类的数量之前，是否有人尝试将平滑器应用于评估指标？如果是这样，它是否改善了结果？或者允许较少的k-means试验次数，从而大大提高速度？您使用的是哪种平滑算法/方法？

“L-方法”在, Salvador & Chan中有详细介绍。

这将计算一系列不同试验集群计数的评估指标。然后，为了找到膝部(出现在最佳数量的集群)，使用线性回归拟合两条直线。应用一个简单的迭代过程来改善膝部拟合-这使用现有的评估指标计算，不需要任何k-means的重新运行。

对于评估指标，我使用了Dunns Index的简化版本的倒数。简化了速度(基本上简化了我的直径和簇间计算)。倒数是这样的索引在正确的方向上工作(即。通常越低越好)。

K-means是一种随机算法，因此它通常会运行多次，并选择最适合的算法。这工作得很好，但是当你对1..N个集群这样做时，时间很快就会累积起来。因此，让运行次数保持在可控范围内符合我的利益。总的处理时间可能决定我的实现是否实用-如果我不能加速它，我可能会抛弃这个功能。