假如想要最好的一点，就应该选择最高的一点。
1、最佳k值对应的最佳轮廓系数可以通过设置不同的k值来测试和计算。
2、也可以画出最高的观察和选择。但为了防止拟合，最佳k值也可以通过肘部选择。
实例
fromsklearn.clusterimportKMeans
fromsklearn.preprocessingimportMaxAbsScaler#小数定标准化
fromsklearn.preprocessingimportMinMaxScaler#离差标准化
fromsklearn.preprocessingimportStandardScaler#标准差标准化
#评价指标-轮廓系数
fromsklearn.metricsimportsilhouetee_score
#因为是聚类算法，数据可能存在量纲，需要标准化，在使用算法之前
#实例化
sca=MaxAbsScaler()
sca=MinMaxScaler()
sca=StandardScaler()
#拟合
sca.fit(训练集特征)
#处理数据
X_train=sca.transform(训练集特征)
#实例化
km=KMeans()
#参数：
#n_clusters=3，表示K=3，即三个随机聚类中心，最小值为2
#init，聚类中心的初始化方法，默认k-means++
#max_iter，默认情况下，迭代次数为300。如果后期不能收敛，可以尝试增加迭代次数。
#random_state=一、随机种子，默认是None
#拟合
km.fit(训练集特征)
#检查聚类中心
print('聚类中心：',km.cluster_centers_)
#检查预测结果
#可直接传入训练集，自定义二维数组也可以传入自定义二维数组
y_pred=km.predict(训练集的特点)
print('整个数据类别:',y_pred)
#查看SSE-误差平方和
#默认情况下是反向操作，大多数情况下是负值【-inf,0】
#绝对值越小越好
score=km.score(X_train,y_pred)
print('SSE',score)
#评价指标-轮廓系数(-1，1)越大越好
print('轮廓系数：',silhouetee_score(X_train,y_pred))以上是python获得最佳轮廓系数的方法，希望对大家有所帮助。更多Python学习指导：python基础教程
本文教程操作环境：windows7系统Python 3.9.1，DELL G3电脑。