手肘法 WCSS 降幅 使用指南

手肘法 WCSS 降幅计算器，输入不同聚类数下的簇内平方和(WCSS)降幅辅助选择最佳 k，用于 K-Means 聚类数确定。

计算公式与原理

降幅 = (WCSS_k − WCSS_{k+1}) / WCSS_k × 100%；比率 = WCSS_{k+1} / WCSS_k

手肘法看簇内平方和随 K 增大而下降的边际收益：降幅突然变小的拐点即"手肘"。它依赖人眼判读，簇形状不均时拐点不明显，可辅以轮廓系数或 Calinski-Harabasz 指数交叉验证。

使用步骤

1. 填写「k 时 WCSS」。
2. 填写「k+1 时 WCSS」。
3. 填写「当前 k」。
4. 结果区会即时更新；可一键复制结果用于记录或汇报。

典型使用场景

• WCSS(簇内平方和)=Σ‖x−μ_k‖²，k 越大 WCSS 越小，降幅随 k 增大而递减。
• 手肘点是降幅明显变缓处，对应较优聚类数 k，是 K-Means 选 k 的经验法。
• 应结合业务可解释性与轮廓系数综合判断，避免只看单一拐点。

算例参考

• 选 k：k=2→WCSS=500, k=3→300(降200), k=4→220(降80), k=5→190(降30)。降幅在 k=3→4 明显放缓，手肘点约 k=3~4，选 k=4 既紧致又不冗余。

注意事项

结果为按上述公式得到的理论估算值，实际表现受数据分布、实现细节与运行环境影响，落地决策请以实测为准；本工具纯前端运行，输入不上传服务器。

手肘法一定准吗？

不一定。数据无清晰簇结构时拐点模糊，需配合轮廓系数、Gap Statistic 或业务含义；手肘法只是启发式起点。

WCSS 一直降要不要一直加 k？

不必。k 接近样本数时 WCSS→0 但失去聚类意义；目标是'信息增益'与'简洁性'平衡，拐点之后边际收益迅速变小。