Finne Optimalt Antall Klynger ved Bruk av Silhuettpoeng

I tillegg til WSS-metoden er silhuettskåren en annen verdifull metrikk for å bestemme det optimale antallet klynger (K) i K-means. Den vurderer hvor godt hvert datapunkt passer i sin klynge sammenlignet med andre.

For hvert datapunkt vurderer silhuettskåren:

• Kohesjon (a): gjennomsnittlig avstand til punkter innenfor samme klynge;

• Separasjon (b): gjennomsnittlig avstand til punkter i nærmeste andre klynge.

Silhuettskåren beregnes som: (b - a) / max(a, b), og varierer fra -1 til +1.

Tolkning av skår:

• +1: punktet er godt gruppert;

• ~0: punktet ligger på grensen mellom klynger;

• -1: punktet kan være feilklassifisert.

Stegene for å finne optimal K ved bruk av silhouette score er følgende:

• Kjør K-means for et utvalg av K-verdier (f.eks. K=2 til en rimelig grense);

• For hver K, beregn gjennomsnittlig Silhouette Score;

• Plott gjennomsnittlig silhouette score mot K (silhouette-plot);

• Velg K med høyest gjennomsnittlig silhouette score.

Ved å undersøke silhouette-plottet, som viser score for hvert punkt, kan man få dypere innsikt i konsistensen til klyngene. Høyere gjennomsnittsscore og jevne score på tvers av punkter er ønskelig.

Oppsummert: Mens WSS minimerer avstander innenfor klynger, balanserer silhouette score kohesjon og separasjon. Å bruke begge gir en mer robust tilnærming for å finne optimal K.