[发明专利]一种自动识别肘部法则中最优K值的方法

权利要求书

1.一种自动识别肘部法则中最优K值的方法，其特征在于：包括如下步骤：

(1)设定K-means聚类算法中要查找最优K值的范围[1,M]；

(2)计算设定范围聚类数对应的平均畸变程度；

(3)对计算得到的平均畸变程度进行0-10的规则化转换；

(4)将0-10规则化后的平均畸变程度与范围[1,M]封装成数据对；

(5)利用余弦定理求上述封装成的连续三个数据对之间的夹角；

(6)找出最小的夹角；

(7)利用最小的夹角得到最优的K值。

2.根据权利要求1所述的一种自动识别肘部法则中最优K值的方法，其特征在于：具体步骤如下：

Step1、设定K-means聚类算法中要查找最优K值的范围Range：[1，2，…，M]；

Step2、初始化k＝1，且生成一个长度为M且所有元素为0的平均畸变程度列表MDL；

Step3、如果k∈Range，执行Step4；如果则跳过Step4-Step7，执行Step8；

Step4、用聚类数k来实例化sklearn.cluster.KMeans得到实例对象kmeans；

Step5、通过实例对象kmeans拟合N个样本数据，并得到对应的k个重心；

Step6、利用K-means算法的优化目标函数、得到的k个重心以及样本数据来求样本数据的平均畸变程度，并将求得的平均畸变程度追加到平均畸变程度列表中；

Step7、k＝k+1，重复Step3-Step7；

Step8、初始化j＝0，生成一个长度为M且所有元素为0的0-10的规则化平均畸变程度列表RMDL；

Step9、利用规则化公式将平均畸变程度列表中的值规则化到0-10之间，并将其追加到0-10的规则化平均畸变程度列表RMDL中；

Step10、将0-10规则化平均畸变程度列表RMDL中的值与对应的聚类簇封装成对应的二维数据点，并依次追加到数据点列表PL中；

Step11、利用余弦定理公式计算上述相邻的三个数据点之间的角，并将其追加到角列表AL中；

Step12、找出AL中最小的角minA，得到minA在AL中的下标minAI,将minAI加上2即为在上述指定范围内找到的最优K值。