一种方法是交叉验证 。

本质上，您选择数据的一个子集并将其聚类为k个聚类，然后询问与其他数据相比聚类的效果如何：您是否将数据点分配给相同的聚类成员，或者它们属于不同的成员集群？

如果成员资格大致相同，则数据很适合k个聚类。否则，请尝试其他k 。

另外，您可以进行PCA（ 主成分分析 ）以将50个尺寸减小到更易于处理的数字。如果PCA运行表明您的大多数方差来自50个维度中的4个，则可以在此基础上选择k ，以探索如何分配四个集群成员。

查看此Wikipedia页面，了解确定数据集中的簇数 。

另外，您可能想尝试聚集式分层聚类 。这种方法不需要知道群集的数量，它将逐步形成群集的群集，直到只有一个群集存在为止。 SciPy（ scipy.cluster.hierarchy ）中也存在此技术。

一种有趣的方法是Fred和Jain 收集证据的方法。这是基于将多次运行的k均值与大量聚类相结合，并将它们聚合为一个整体解决方案。该方法的优点包括在过程中确定簇的数量，并且最终簇不必一定是球形的。