我目前正在学习聚类。我已经执行了存储在我的数据库中的订阅者的 average_duration_of_call 的 k 均值集群。首次运行时有 3 个中心cluster1 （53.33369 秒）-367 订阅者、cluster2（121.67123 秒）-128 订阅者、cluster3（369.09000 秒）-8 订阅者。
我再次使用中心 6重新运行聚类，获得的中心为 cluster1（904.66670 秒）-1 订阅者，cluster2（27.7 秒） - 108 订阅者，cluster3（151.58）-43 订阅者，cluster4（95 秒） - 135 订阅者，cluster5（ 59.5 秒）- 207 个订阅者，cluster6（278 秒）-9 个订阅者。
现在我的问题是哪个是最好的集群以及如何找到最好的集群。期待任何经验帮助（我目前正在使用 R 语言）
如果您是初学者，那么我建议您开始基于密度的聚类，这样就不需要 K 的初始值。您最初可以使用 epsilon=10 和 minpts= 5 启动 dbscan 集群，然后检查生成的集群的数量。之后，开始平滑增加 epsilon (11, 12, ... 15) 和减少 minpt (4, 3, ..1) 并检查每次生成的簇数。那么这些数字的平均值应该反映真实集群的平均数量。
但是，如果您需要应用 k-means 聚类，那么您可能会发现Selection of K in K-means clustering 的论文很有用。
好吧，k-means 已经为您的平方和计算了一个分数。
选择获得更好分数的结果。
但是，当您增加 k 时，分数自然会提高。显然，如果您将 k 设置为数据集大小，它将为 0。然后您可能想要使用 BIC 或轮廓系数（在 Wikipedia 上查找）。
哦，考虑用一本书。这是一个经典问题，任何一本好书都应该包含这个问题。