Python 用Kmeans估计K的度量

我正试图使用弯头和BIC方法估计K平均数。X是数据点的多维数组（100000个数据点X 100个特征）
以下是我用于弯头的代码：

Ks = [40,50,60,70,80,90,100,110,120]
ds = []
for K in Ks:
    cls = MiniBatchKMeans(K, batch_size =1000, random_state = 101)
    for i in xrange(0, len(X), 1000):
        chunk = newvec[i:i + 1000]
        cls.partial_fit(chunk)
    ds.append(cls.inertia_)   
plt.plot(Ks, ds)  
plt.xlabel('Value of K')
plt.ylabel('Distortion')
plt.show()

我用于BIC的代码来自这里

以下是我使用以下每种方法得到的曲线图：

要使用的正确K值是什么？基于这些结果，这些是用于我的数据集的正确指标。

---

谢谢你。

我认为你的数据集有太多维度和风险

但要回答你的问题，至少从肘部法来看，似乎K=90用肘部法。要使用BIC方法，请查看最高值（根据特定的实现；某些实现会反转符号）。这使得它有点模棱两可，但在K=60之后，它们的表现几乎都一样好

你也可以看看。它介绍了另一种估计K的方法，Gap法。我会说再运行一个指标来打破僵局，然后从3个指标中选择2个或更多返回的最佳K