最简单有效的方法就是穷举1到N个聚类个数的情况，然后分别算似然。选似然最大的，可以保证找到似然上最优的。
但是如果你的聚类个数有200w个呢？
不要觉得是开玩笑的，不信你们去看看腾讯做的LDA。
如果你是做论文的，可以考虑用Dirichlet Processes.可以学习出聚类个数。推断算法都是现成的。
还一种方法是，如果你的数据很多，可以给一个很大的聚类个数，迭代的过程中按某些准则合并或者丢弃掉一些聚类中心，最后达到一个满意的聚类个数哦（比如，无论扔掉哪个聚类中心或者合并某两个中心，都会导致模型的似然降低，那么就可以停止算法了）。其实很多求解DP模型的算法就是用的这方法。如果你单独用这个算法，就显得很low，如果先用DP建模然后用这方法求解，就显得理论值高些。
作者：杨超
来源：知乎
内容全部来源于网络收集，如有侵权，请联系网站删除！