K-means使用sklearn.cluster进行聚类

Question

我在Unsupervised Machine Learning: Flat Clustering上看到了关于K-means聚类的本教程，下面是代码：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style
style.use("ggplot")

from sklearn.cluster import KMeans

X = np.array([[1,2],[5,8],[1.5,1.8],[1,0.6],[9,11]])

kmeans = KMeans(n_clusters=3)
kmeans.fit(X)

centroid = kmeans.cluster_centers_
labels = kmeans.labels_

print (centroid)
print(labels)

colors = ["g.","r.","c."]

for i in range(len(X)):
   print ("coordinate:" , X[i], "label:", labels[i])
   plt.plot(X[i][0],X[i][1],colors[labels[i]],markersize=10)

plt.scatter(centroid[:,0],centroid[:,1], marker = "x", s=150, linewidths = 5, zorder =10)

plt.show()

在此示例中，阵列只有2个功能[1,2],[5,8],[1.5,1.8]等。

我尝试将X替换为存储在np.array()中的10 x 750矩阵（750个功能）。 它创建的图表没有任何意义。

我怎样才能改变上面的代码来解决我的问题？

Answer 1

实际上，直接可视化750维度数据是不可能的。

但还有另外一种方法可以解决，例如，首先使用PCA进行尺寸减小，以达到远低的尺寸，例如4. Scikit-learn也提供function for this。

然后你可以绘制一个绘图矩阵，每个绘图只有两个特征。使用Pandas包，您可以使用scatter_matrix函数轻松绘制这些图。

请注意，在您的情况下，您只使用PCA进行可视化，您仍然应该在获取质心之后对原始数据执行K-means聚类，使用您之前创建的PCA模型为质心执行PCA。

以下是scatter_matrix函数创建的示例图：

Answer 2

可视化750维度很难。

找出独立的k-means如何可视化。

但是不要期望k-means在这些数据上返回有意义的结果......它对预处理和标准化非常敏感，并且很可能你的750维度不是完全相同的连续数值标度。