R 在定义簇数的绘图中，应该考虑膝盖还是肘部？

我正在使用肘部法，剪影，并试图从数据中找到k m簇的最佳数目。现在，大多数包，它给出了3与PAM，KFEED，克拉拉，如果我考虑WSS（相似性得分内）或剪影。通过Hubert分析，我得到了理想的2个簇。唯一奇怪的是下面的命令给了我一个情节，这让我有点困惑。我应该把它看成是3个簇还是4个？如果有人能给我一些反馈

使用的代码

    wss <- (nrow(scale(df))-1)*sum(apply(scale(df),2,var))
    for (i in 2:10) wss[i] <- sum(kmeans(scale(df),
                                                                                centers=i)$withinss) 
fviz_nbclust(scale(df), kmeans, method = "wss")

---

wss的基本思想是，低“平方和内”是一个好模型的信号（就误差而言）。然而，聚类越多，该平方误差之和（SSE）的值越低

简单地说：“当你看到苏格兰和南方能源公司（SSE）的下降速度（集群数量更多）正在放缓时，这将是冻结集群数量的好时机。”

因此，在你的例子中，它是肘部，在数字4，因为苏格兰和南方能源公司的下跌在4之后正在放缓

另见：和

---

在维基百科上有一个关于如何确定集群数量的极好概述：

谢谢你的回答。我有点困惑，因为正如我所说，PAM、CLARA甚至kmeans的剪影和wss方法给了我3个最佳的ks。只有这个带有wss for kmeans的图为我提供了4个，但我有点困惑它是3还是4。另外，当我使用休伯特多数规则与欧几里得距离和完成和沃德。D2，它是2个集群，而与kmeans，它是3。所以我想对这幅图发表第二个意见，因为对我来说它是4，是的，它应该是SSE下降或放缓的点，所以它应该是4。谢谢，我会接受的。我很高兴，我很高兴能帮上忙。我添加了一个维基百科文章的链接，如果你感兴趣的话。别忘了这是一个启发，真正的解决方案可能是2。或5。或者42.2和5是更现实的东西，但是42是在迭代过程中任意聚类k的东西。每次都能看到。我不喜欢使用迭代k的方法，而是希望使用一种基于行缩放为数据找到最佳k的方法，因为我希望减少最终输出中的行，然后使用某种排序方法。你能告诉我你怎么说它可以是32吗？没有“最优”k（好吧，k=N对于SSE 0是最优的，但没有用）。只有启发式。是的，我现在真的明白了，它是启发式的，但仍然有一种定义的方法，这就是为什么我使用它。我现在有点不知所措，认为包NbClust提供了不同数量的带有WSS的集群，而传统的计算WSS和绘制WSS的方法在相同的数据上提供了5个集群。这是可能的，Nbclust有更多的先验假设吗？