Какие существуют методы оптимизации выбора числа кластеров в алгоритме k-средних?

Некоторые методы оптимизации выбора числа кластеров в алгоритме k-средних:

• Метод локтя. 15 Заключается в том, что выполняют кластеризацию для различных значений k и строят график зависимости суммарной внутрикластерной дисперсии от количества кластеров. 1 Внутрикластерная дисперсия показывает, насколько компактными являются кластеры. 1 Чем меньше внутрикластерная дисперсия, тем более «упорядочены» и «однородны» кластеры. 1 На графике ищут «локоть» — точку, где дальнейшее увеличение числа кластеров не приводит к значительному снижению внутрикластерной дисперсии. 1 Это и есть оптимальное количество кластеров. 1
• Метод силуэта. 1 Измеряет, насколько хорошо объекты могут быть разделены на кластеры. 1 Чем выше значение силуэта, тем лучше объект вписывается в свой кластер. 1
• Метод gap statistic. 1 Сравнивает внутреннюю дисперсию кластеров с дисперсией кластеров, полученных на случайных данных. 1 Это помогает выбрать оптимальное количество кластеров. 1
• Иерархическая кластеризация. 1 Не требует заранее заданного числа кластеров и помогает понять, сколько кластеров лучше всего соответствует данным. 1