我有以下简单的小表，并且我使用了k-means聚类算法对它们进行聚类。
| |Cluster| ItalianRe|Japanese|Pizza|Sandwich|Fast Food| |-----------------|-------|----------|--------|-----|--------|---------| |Central Toronto | 0 |33 |8 |17 |10 |2 |Downtown Toronto | 1 |77 |55 |12 |17 |14 |East Toronto | 2 |7 |9 |2 |4 |3 |East York | 2 |4 |3 |4 |3 |1 |Etobicoke | 0 |18 |6 |20 |7 |9 |North York | 2 |4 |9 |9 |13 |14 |Scarborough | 3 |1 |8 |23 |15 |29 |West Toronto | 2 |7 |5 |7 |7 |5 |York | 2 |8 |4 |7 |2 |0
对我来说，斯卡伯勒和北约克看上去非常相似，“三明治”和“快餐”中的数字很高，而“日语”中的数字相同。但是，斯卡伯勒被单独分组，北约特克被其他四个分组，乍一看实际上并不那么熟悉。
我使用以下代码进行聚类
# run k-means clustering
kmeans = KMeans(init="k-means++", n_clusters=4, ).fit(df)
任何人都可以帮助我了解为什么会发生这种情况，或者是否有解决此问题的方法。
P.S。昨天运行代码时，我假设它会将这两个集群聚集在一起。但是现在它像这样聚集了。
答案 0 :(得分：1)
直觉上，沿着一个维度的相似性并不一定意味着两个点彼此靠近。为了使可视化更容易，请考虑一个包含两个点的二维示例：一个是（0,10），另一个是（0,0）。其他点可能是（1,1），（3,2），（-1，-3）之类的东西。。。现在，您可以看一下前两点，并认为它们都非常相似（实际上是相同的），因此应将它们分组在一起。但是，如果您直观地看到此示例，则很明显（0,0）距离其他点比到第一个点更近。
因此，这可能为我们提供了直觉，为什么3维相似度不能表示紧密度。
此外，两者之间的快餐差异仍然很大。如果我没记错的话，k均值聚类试图将距离最小化，因此“都具有较高的数值”并不意味着什么，但是“此维度上的距离为15”（此数据集中的较大距离）确实可以。