Question

我正在尝试使用k-means算法对混合数据进行聚类：chemical_1，chemical_2 - 数字，season - 分类。 season列已转换为虚拟对象，以便在K-means算法中使用它。

我已使用plt.scatter(centers[:,0], centers[:,1], marker="x", color='r')添加了群集中心，但它将它们置于群集外的错误位置。
我该如何处理kmeans.cluster_centers_才能正确绘制它们？

#Make a copy of DF
df_transformed = df

#Transform the 'season' to dummies
df_transformed = pd.get_dummies(df_transformed, columns=['season'])

#Standardize
columns = ['chemical_1', 'chemical_2', 'season_winter', 'season_spring', 'season_autumn', 'season_summer']
df_tr_std = stats.zscore(df_transformed[columns])

#Cluster the data
kmeans = KMeans(n_clusters=4).fit(df_tr_std)
labels = kmeans.labels_
centers = np.array(kmeans.cluster_centers_)

#Glue back to original data
df_transformed['clusters'] = labels

#Add the column into our list
columns.extend(['clusters'])

#Analyzing the clusters
print(df_transformed[columns].groupby(['clusters']).mean())

          chemical_1  chemical_2  season_winter  season_spring  season_autumn  \
clusters                                                                        
0           7.951500   10.600500              0              0              1   
1           8.119180    8.818852              1              0              0   
2           8.024423    8.009615              0              1              0   
3           7.939432    9.414773              0              0              0   

          season_summer  
clusters                 
0                     0  
1                     0  
2                     0  
3                     1

#Scatter plot of chemical_1 and chemical_2
sns.lmplot('chemical_1', 'chemical_2', 
           data=df_transformed,
           size = 10,
           fit_reg=False, 
           hue="clusters",  
           scatter_kws={"marker": "D", 
                        "s": 100}
          )
plt.scatter(centers[:,0], centers[:,1], marker="x", color='r')

plt.title('Clusters chemical_1 vs chemical_2')
plt.xlabel('chemical_1')
plt.ylabel('chemical_2')
plt.show

UPD：我尝试使用PCA进行转换。这是正确的方法吗？另外，我只能用matplotlib绘制数据。在这里使用seaborn的正确方法是什么？

pca = PCA(n_components=2, whiten=True).fit(df_tr_std)

#Cluster the data
kmeans = KMeans(n_clusters=4)
kmeans.fit(df_tr_std)
labels = kmeans.labels_
centers = pca.transform(kmeans.cluster_centers_)

plt.scatter(df_tr_std[:,0], df_tr_std[:,1])
plt.scatter(centers[:,0], centers[:,1], marker="x", color='r')

现在散点图如下所示：

Answer 1

如果您对z分数进行聚类，结果中心也将是zscores。

Kmeans显然无法将它们映射回旧的坐标系 - 你必须自己做。

由于z得分转换是一个简单的线性转换，因此可以直接重新创建此函数和逆转换。

Python k-mean，质心放在簇之外

1 个答案: