肘部法则常因inertia曲线无明显拐点或数据尺度差异而失效；轮廓系数更可靠，取值[-1,1]，越接近1聚类效果越好，且不依赖数据尺度，适合跨k值比较。
为什么不能直接用肘部法则判断最优K
肘部法则看着直观，但实际跑起来经常失效——inertia_ 曲线根本没明显拐点，尤其当数据分布平缓或噪声较多时，人眼根本没法可靠标定“肘部”。更麻烦的是，不同尺度的数据会让 inertia_ 数值量级差异巨大，直接画图对比毫无意义。所以别指望靠一张图就拍板 K 值。
用轮廓系数（silhouette score）选K更靠谱
轮廓系数衡量每个样本与其所属簇的内聚性和与其他簇的分离度，取值在 [-1, 1] 之间，越接近 1 表示聚类效果越好。它不依赖数据尺度，对簇形状也不敏感，比 inertia_ 更适合跨 K 值比较。
- 用
sklearn.metrics.silhouette_score计算整体平均轮廓值，注意传入原始特征矩阵X和对应标签labels - 遍历
K从 2 到某个上限（比如min(10, len(X)//2)），对每个 K 跑一次KMeans(n_clusters=K).fit(X) - 跳过 K=1（轮廓系数未定义），也避免 K 过大导致单点成簇、分数虚高
- 如果多个 K 对应的分数很接近（比如差值
避免 silhouette_score 的三个坑
silhouette_score 默认用欧氏距离，但如果你的特征量纲差异极大（比如年龄和收入），必须先做标准化，否则结果完全失真。另外，它要求每个簇至少有两个样本，否则会抛 ValueError: Number of labels is 1；还有，当数据本身就不适合聚类（比如均匀分布），所有 K 的分数都会偏低（
- 务必用
StandardScaler().fit_transform(X)预处理，别只归一化或只 Z-score 一半 - 检查
labels中每个簇的样本数：np.bincount(labels)，剔除最小簇样本数 - 如果最大 silhouette 分数
要不要加 Calinski-Harabasz 指标做交叉验证
可以加，但不是必须。Calinski-Harabasz（CH）分数用簇间离散度除以簇内离散度，数值越大越好，计算快、对球形簇敏感。但它容易偏向大 K 值，尤其当数据有层次结构时。和 silhouette 并用，能帮你识别异常波动：比如 silhouette 在 K=4 最高，但 CH 在 K=5 突增，就得查查 K=5 的簇是否真的合理（比如有没有一个簇被不合理地切开了）。
- 调用
sklearn.metrics.calinski_harabasz_score(X, labels)，同样需要预处理后的X - 如果 silhouette 和 CH 推荐的 K 不一致，优先信 silhouette —— 它对非球形簇更鲁棒
- CH 分数本身无量纲，但不同数据集间不可比，只用于同一数据集内部 K 的横向比较
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
