使用PCA对降维后的数据进行聚类

Question

假设我们有一个大维度的数据集，我们已经使用PCA将其缩减到较低维度，那么在所述数据上使用聚类算法是明智/准确的吗？假设我们不知道期望多少个簇。

在Iris数据集上使用PCA（对csv中的数据进行排序，以便列出所有第一类，然后是第二类，然后是第三类），得到以下图： -

可以看出，Iris数据集中的三个类已被保留。但是，当样本的顺序随机化时，产生以下图： -

上面，不清楚数据集中包含多少个簇/类。在这种情况下（更现实世界的情况），如何识别类的数量，像K-Means这样的聚类算法是否有效？

由于丢弃了较低阶的主成分，是否存在无效性？

编辑： - 要明确的是，我在询问运行PCA后是否可以对数据集进行聚类，如果是，那么最准确的方法是什么。

Answer 1

  

假设我们有一个大尺寸的数据集，我们已将其降低到更低   使用PCA进行维度，然后使用聚类是明智/准确的   算法对所说的数据？假设我们不知道有多少个簇   期望的。

您的数据可能会在低差异维度中分开。我不建议在群集之前运行PCA。

  

上面，不清楚数据中包含多少个簇/类   组。在这种情况下（更现实世界的情况），如何识别   类的数量，像K-Means这样的聚类算法会有效吗？

有效的聚类算法不需要事先了解类的数量，例如Mean Shift和DBSCAN。

Answer 2

尝试在PCA之后对数据集进行排序，然后绘制它。

虹膜数据集很容易得出有关高维数据行为的有效结论，以及PCA的好处。

另外，“明智” - 在哪个意义上？如果你想吃披萨，绘制虹膜数据集是不明智的。