如何解释k的结果
我目前正在使用NTSB航空事故数据库进行一些分析。 这个数据集中的大多数航空事件都有原因性陈述，描述导致此类事件的因素。
我的目标之一是尝试对原因进行分组，聚类似乎是解决这类问题的一种可行方法。 我在k-均值聚类开始之前执行了以下操作：
在这些步骤之后，对矢量应用k均值聚类。 通过使用1985年1月至1990年12月发生的事件，我得到了下列结果，其中k = 3的簇k = 3 ：
（注意：我正在使用Python和sklearn来处理我的分析）
... some output omitted ...
Clustering sparse data with KMeans(copy_x=True, init='k-means++', max_iter=100, n_clusters=3, n_init=1,
n_jobs=1, precompute_distances='auto', random_state=None, tol=0.0001,
verbose=True)
Initialization complete
Iteration 0, inertia 8449.657
Iteration 1, inertia 4640.331
Iteration 2, inertia 4590.204
Iteration 3, inertia 4562.378
Iteration 4, inertia 4554.392
Iteration 5, inertia 4548.837
Iteration 6, inertia 4541.422
Iteration 7, inertia 4538.966
Iteration 8, inertia 4538.545
Iteration 9, inertia 4538.392
Iteration 10, inertia 4538.328
Iteration 11, inertia 4538.310
Iteration 12, inertia 4538.290
Iteration 13, inertia 4538.280
Iteration 14, inertia 4538.275
Iteration 15, inertia 4538.271
Converged at iteration 15
Silhouette Coefficient: 0.037
Top terms per cluster:
**Cluster 0: fuel engin power loss undetermin exhaust reason failur pilot land**
**Cluster 1: pilot failur factor land condit improp accid flight contribute inadequ**
**Cluster 2: control maintain pilot failur direct aircraft airspe stall land adequ**
并且我生成了如下数据的曲线图：
结果似乎对我来说并不合适。 我想知道为什么所有的集群都包含一些常见术语，如“飞行员”和“失败”。
我能想到的一种可能性（但我不确定它在这种情况下是否有效）是具有这些常用术语的文档实际上位于剧情图的中心，因此它们不能有效地聚集到正确的群集。 我相信这个问题不能通过增加群集数来解决，因为我刚刚完成了这个问题，并且这个问题依然存在。
我只想知道是否有其他因素可能导致我面临的情况？ 或者更广泛地说，我使用正确的聚类算法吗？
感谢所以。
我不想成为坏消息的载体，但是......
所以，要回答你最后的问题
我只想知道是否有其他因素可能导致我面临的情况？
有成千上万种这样的因素。 从人类的观点来看，实际的，合理的数据聚集非常困难。 寻找任何群集非常简单 - 因为每个群集技术都会找到一些东西。 但为了找到重要的东西，我们必须在这里进行全面的数据探索。
或者更广泛地说，我使用正确的聚类算法吗？
可能不会，因为k-means只是一种最小化欧几里得距离的内聚集总和的方法，因此它在大多数现实世界的场景中都不起作用。
不幸的是 - 这不是那种你可以问“哪种alogirhtm使用？”的问题。 有人会为你提供确切的解决方案。
你必须挖掘你的数据，发现：