我发现了广泛的文献提出了各种标准（例如Glenn等，1985（pdf）和Jung等，2002（pdf））。但是，其中大多数都不容易实现（至少从我的角度来看）。我正在使用scipy.cluster.hierarchy获取群集层次结构，现在我试图确定如何从中形成平面群集。我的目标是发现观察结果中的常见模式，因此我没有参考将获得的聚类与之进行比较。谁能建议一个务实的解决方案？
Answers:
实际上，以下Wikipedia条目可以很好地解释最流行且相对简单的方法：
所述弯头方法启发式描述有可能是再加上目视检查最流行的，由于其简单的解释（方差量由群集的数量解释）。该信息论方法并不难实现要么和页面有一些伪代码，你可以用它来启动。后者类似于基于模型复杂度的惩罚可能性，如众所周知的信息标准（如AIC，BIC等）。
无论您使用哪种聚类方法，都很难为您提供一个关于如何选择数据中“最佳”聚类的明确解决方案，因为聚类分析旨在隔离统计单位组（无论是个体还是变量） ），本质上是出于探索或描述目的。因此，您还必须解释集群方案的输出，并且几个集群解决方案可能同样有趣。
现在，关于通常用来决定何时停止聚集数据的统计标准，如@ars所指出的，大多数是视觉引导的标准，包括对树状图的分析或聚类轮廓的检查，也称为轮廓图（Rousseeuw，1987）。 。还提出了几个数值标准，也称为有效性指数，例如Dunn有效性指数，Davies-Bouldin有效性指数，C指数，Hubert伽玛等等。分层聚类通常与k-means一起运行（实际上，k-means的多个实例，因为它是随机算法），因此它为找到的聚类解决方案增加了支持。我不知道所有这些东西是否都可以在Python中轻松获得，但是R中可以使用大量方法（请参见@mbq已经为一个相关问题引用了群集任务视图，可以使用哪些工具在MovieLens上应用群集算法？）。其他方法包括模糊聚类和基于模型的聚类（在心理计量学社区中也称为潜在性状分析），如果您寻求更可靠的方法来选择数据中的聚类数量。
顺便说一句，我刚遇到了scipy-cluster这个网页，它是Scipy的扩展，用于生成，可视化和分析层次集群。也许它包括其他功能？我也听说过PyChem，它为多变量分析提供了相当不错的东西。
以下参考可能也有帮助：
Steinley，D.和Brusco，MJ（2008）。聚类分析中变量的选择：八个过程的经验比较。Psychometrika，73，125-144。
