操作表面系数判定K均值聚类的簇个数

K均值聚类（K-means clustering）计较简朴，而且可以用于各类数据范例，但需要事先判定簇个数来作为输入参量，该参数的配置往往涉及到聚类结果。

表面系数可以用来办理这个问题，表面系数（silhouette coefficient）要领团结了凝结度和疏散度，可以以此来判定聚类的优良性，其值在-1到+1之间取值，值越大暗示聚类结果越好。

依据这个道理，我们可以实验用多个簇参量，重复计较在每个簇个数条件下的表面系数，当表面系数取较大时，其相应的簇个数是较好的。


在R语言中package fpc可以计较聚类后的一些评价指标，个中就包罗了表面系数。

#首先加载软件包
library(fpc)
#操作著名的iris数据集
data=iris[,1:4]
#设簇个数在2到5之间取值
for (i in 2:5){
#K聚类功效存于result变量
result <- kmeans(data,i)
#求出聚类评价统计量
stats=cluster.stats(dist(data), result$cluster)
#将功效存入X
x[i]=stats$avg.silwidth
}