Inertie, silhouette et stabilité

Trois lectures

Inertie : décroît toujours avec k, cherchez le coude, pas le minimum. Silhouette : cohésion vs séparation par point, moyenne en [-1, 1], haute = groupes nets. Stabilité : k qui survit aux graines et sous-échantillons est plus crédible qu'un pic isolé.

Interdiction

from sklearn.metrics import silhouette_score
print(round(silhouette_score(Xs, labels), 3))

silhouette_score(X, labels) = moyenne des silhouettes, utilisable dès que des étiquettes de clusters existent (l'atelier de fin de chapitre l'emploiera).

Ne jamais évaluer un clustering avec des étiquettes cachées comme une classification (accuracy) : les numéros de clusters sont arbitraires. Décrivez tailles, centres et exemples frontières au lieu d'un score unique.