我正在尝试评估一家公司对某些数据所做的一些聚类结果，但他们使用了一种我以前从未见过的聚类评估方法。所以我想问问你的意见，很明显，如果有人知道这种方法，如果他/她能向我解释整个想法，那就太好了。
通过使用 k-prototypes 对数据集（250000 行样本和 500000 行中的 5 个特征）进行聚类，因为其中一个特征是分类的。k= 2:10 和 lambda = c(0.3,0.5,0.6,1,2,4,6.693558,10) 的所有组合都已生成，并使用了 3 种方法来找出最佳组合。
- Elbow 方法（用最小 WSS 选择簇数和 lambda）
- Silhouette 方法选择具有最大轮廓的簇数和 lambda）
- 决策树
他们为数据构建决策树，然后为每个不同的聚类组合计算以下值：（在聚类纯度内加权的反向叶子大小）* 聚类大小/总 obs 并选择具有最大值的组合。(k=10 和 lambda=4)
所以我的问题是：有这样的事情吗？我们可以使用树来确定哪种组合会给我们带来更高的集群纯度？此外，如果我们能做到这一点，我们是否可以只使用一棵简单的树而不评估树的好坏？最后，由于每种方法都给我们不同的答案，我们如何决定并选择使用哪一种方法来选择正确的组合？
如果有人可以帮助我，我将不胜感激。
提前致谢！