La méthode du coude trace l'inertie de K-means en fonction de k. On retient la valeur où la courbe cesse de baisser fortement, formant un coude : ajouter des clusters n'apporte alors presque plus de gain. Le coude n'est pas toujours net, il faut croiser avec d'autres critères.
Exemple
inerties = [KMeans(n_clusters=k, n_init=10).fit(X_s).inertia_ for k in range(1, 10)]