如何确定要用于K均值和散点图的x参数？

Question

我正在尝试在Python中实现和可视化K-means算法代码。我有一个使用make_blobs创建的数据集，然后使用K-means拟合数据并使用matplotlib.pyplot.scatter可视化结果。

这是我的代码：

导入和数据创建步骤

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

n_samples = 3000
random_state = 1182

X, y = make_blobs(n_samples=n_samples, random_state=random_state)
# X.shape = (3000, 2)
# y.shape = (3000,) -> y's values range from 0 to 2.

原始数据的散点图

plt.scatter(X[:, 0], X[:, 1])
plt.title("Original Dataset Scatter Plot")
plt.xlabel("X[:, 0]")
plt.ylabel("X[:, 1]")
plt.show()

K-Means培训和可视化

kmeans_model = KMeans(n_clusters=3, random_state=1)
kmeans_model.fit(X)

colors = { 0: 'r',
           1: 'b',
           2: 'g'}

label_color = [colors[l] for l in y]
plt.scatter(X[:, 0], kmeans_model.labels_, c=label_color)
plt.title("K-Means Scatter Plot")
plt.xlabel("X[:, 0]")
plt.ylabel("Labels")
plt.show()

我的问题是：当我将plt.scatter与X[:, 1]一起使用而不是X[:, 0]时，就像在给定代码中所做的那样，尽管得到了不同的图具有相同的簇：

这是否仍被视为K均值和散点图的正确实现和使用？如果是这样，是否有一个特殊的原因，一个人应该选择某些x值而不是其他值？

Answer 1

这是可视化群集的一种非常奇怪的方式。如果要查看模型的效果如何，只需像在第一个图中那样绘制所有斑点，然后提供着色顺序label_color。

plt.scatter(X[:,0], X[:,1], c=label_color)

您使用X [：，0]或X [：，1]的问题未正确设置。这两个维度都代表数据，并且您的图在某种程度上是正确的，但它们无法解释。

Answer 2

您的K-means同时考虑了X[:,0]和X[:,1]。聚类在2维上完成。
呈现K均值的正确方法是同时显示两个尺寸并使用着色（如您所做的那样）。

关于您的问题-产生差异的原因是，您将第一个维度用于1个图，因此根据[:,0]坐标显示点，而第二个则根据{{1} }。

正确的方法是同时使用两个坐标，使用着色，并且在可能的情况下-添加簇质心总是很不错的：

更改代码：

[:,1]

会产生：

请注意，我为群集质心添加了一行。