Как выбрать оптимальное число кластеров при кластеризации, например, методом k-средних (k-means)?

Один из самых известных эмпирических методов — метод локтя (Elbow Rule). Он предполагает вычисление суммы квадратов расстояний от точек до центра их кластеров для различного числа кластеров. График этой суммы по мере увеличения числа кластеров часто напоминает руку с локтем.

Алгоритм тут такой:
▫️Определяем разумный диапазон для числа возможных кластеров (например, от 1 до 10).
▫️Для каждого значения k запускаем алгоритм кластеризации и вычисляем сумму квадратов расстояний от каждой точки до центра её кластера.
▫️Наносим значения на график.
▫️Находим на графике точку, где изменение суммы квадратов расстояний начинает замедлятся — «локоть». Число кластеров в «локте» считается оптимальным.

#машинное_обучение