Não há método absoluto para achar o nº certo de clusters (k) no k-means
Método do cotovelo
Revisando distorção
Distorção: soma dos quadrados das distâncias dos pontos aos centróides
Diminui com mais clusters
Vira zero quando o nº de clusters = nº de pontos
Gráfico do cotovelo: linha entre nº de clusters e distorção
Método do cotovelo
Gráfico do cotovelo: relação entre nº de clusters e distorção
Ajuda a indicar quantos clusters há nos dados
Método do cotovelo em Python
# Declaring variables for use
distortions = []
num_clusters = range(2, 7)
# Populating distortions for various clusters
for i in num_clusters:
centroids, distortion = kmeans(df[['scaled_x', 'scaled_y']], i)
distortions.append(distortion)
# Plotting elbow plot data
elbow_plot_data = pd.DataFrame({'num_clusters': num_clusters,
'distortions': distortions})
sns.lineplot(x='num_clusters', y='distortions',
data = elbow_plot_data)
plt.show()
Considerações finais sobre o método do cotovelo
Só indica o k ideal (nº de clusters)
Nem sempre aponta exatamente quantos k usar (nº de clusters)
Outras técnicas: silhouette médio e estatística gap
Preparing Video For Download...
