Algorithm 如何将大小偏好添加到聚类评估中？

我正在尝试对一些数据应用k-means或其他聚类算法。我希望剪影评分的聚类结果变得好，同时，我更喜欢较少的聚类数量。因此，我想知道如何使用轮廓分数或其他指标联合评估集群的数量

例如，聚类模型得到以下结果：

尺寸=2：分数=0.534

尺寸=7：分数=0.617

尺寸=20：分数=0.689

我认为与其他模型相比，聚类大小为7的模型是最好的。虽然最后一个模型的得分是最好的，但是集群的数量太多了。我试着用集群大小来划分剪影分数，但这似乎太微不足道了。

别胡闹。把它做好

这意味着从数学上定义你个人认为什么是好的，当然也解释了为什么提出的方程能够很好地捕捉到这一点。然后使用这种评估方法，但要准备好，其他人可能会不同意你的观点，因为许多集群都是不好的

---

对。轮廓除以簇的数量不是一个好主意。特别是，它在理论上不是一个很有根据的模型，是吗？

欢迎来到stackoverflow，这不是一个程序问题，它更像是一个史诗般的决定，如何讨论kmeans是否符合您的想法，我投票结束这个问题，对不起