Что произойдет, если Perl попытается назвать перемещение () на файле, который загружается?

Это скользкое поле, потому что очень трудно измерить, насколько «хорошо» работает ваш алгоритм кластеризации без каких-либо наземных меток истинности. Для того, чтобы сделать автоматический выбор, вам нужно иметь метрики, которые будут сравнивать, как KMeans работает для различных значений n_clusters.

Популярным выбором является оценка силуэта. Вы можете найти более подробную информацию об этом здесь . Вот документация scikit-learn:

Коэффициент силуэта рассчитывается с использованием среднего расстояния внутри кластера (a) и среднего расстояния до ближайшего кластера (b) для каждой выборки. Коэффициент силуэта для образца равен (b - a) / max (a, b). Для пояснения, b - это расстояние между образцом и ближайшим кластером, частью которого он не является. Обратите внимание, что коэффициент силуэта определяется только в том случае, если количество меток равно 2 < = n_labels < = n_samples - 1.

blockquote>

В результате вы можете вычислить только оценку силуэта для n_clusters >= 2 (что, к сожалению, может быть ограничением для вас, учитывая описание вашей проблемы).

Вот как вы будете использовать его в фиктивном наборе данных (тогда вы можете адаптировать его к своему коду, просто для того, чтобы получить воспроизводимый пример):

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

iris = load_iris()
X = iris.data

sil_score_max = -1 #this is the minimum possible score

for n_clusters in range(2,10):
  model = KMeans(n_clusters = n_clusters, init='k-means++', max_iter=100, n_init=1)
  labels = model.fit_predict(X)
  sil_score = silhouette_score(X, labels)
  print("The average silhouette score for %i clusters is %0.2f" %(n_clusters,sil_score))
  if sil_score > sil_score_max:
    sil_score_max = sil_score
    best_n_clusters = n_clusters

Это вернет: [1113 ]

The average silhouette score for 2 clusters is 0.68
The average silhouette score for 3 clusters is 0.55
The average silhouette score for 4 clusters is 0.50
The average silhouette score for 5 clusters is 0.49
The average silhouette score for 6 clusters is 0.36
The average silhouette score for 7 clusters is 0.46
The average silhouette score for 8 clusters is 0.34
The average silhouette score for 9 clusters is 0.31

И, таким образом, у вас будет best_n_clusters = 2 (примечание: на самом деле у Ирис есть три класса ...)