时间戳

首页 > 解决方案 > 多维数据k-means聚类后的PCA

python - 多维数据k-means聚类后的PCA

问题描述

我有以下包含 10 个变量的数据集：

在此处输入图像描述

我想用这个多维数据集识别集群，所以我尝试了使用以下代码的 k-means 聚类算法：

clustering_kmeans = KMeans(n_clusters=2, precompute_distances="auto", n_jobs=-1)
data['clusters'] = clustering_kmeans.fit_predict(data)

为了绘制结果，我使用 PCA 进行降维：

reduced_data = PCA(n_components=2).fit_transform(data)
results = pd.DataFrame(reduced_data,columns=['pca1','pca2'])
sns.scatterplot(x="pca1", y="pca2", hue=kmeans['clusters'], data=results)
plt.title('K-means Clustering with 2 dimensions')
plt.show()

最后我得到以下结果：

在此处输入图像描述

所以我有以下问题： 1.）但是，这个 PCA 图看起来真的很奇怪，将整个数据集分成图的两个角。那是正确的还是我编码错误？

2.) 是否有另一种聚类多维数据的算法？我看着这个，但我找不到用于聚类多维数据的合适算法......我什至如何在 python 中为我的数据集实现例如 Ward 层次聚类？

3.) 为什么要使用 PCA 进行降维？我也可以使用 t SNE 吗？这个会比较好吗？

标签： pythondata-sciencecluster-analysisk-meanspca

解决方案

  1. 问题是您将 PCA 安装在数据框上，但数据框包含集群。列“集群”可能包含数据集中的大部分变化，因此第一台 PC 中的信息将与data['cluster']列重合。尝试仅在距离列上安装您的 PCA：

     data_reduced = PCA(n_componnts=2).fit_transform(data[['dist1', 'dist2',..., dist10']]

  2. 您可以使用 sklearn 拟合层次聚类：

     sklearn.cluster.AgglomerativeClustering()`

    您可以使用不同的距离度量和链接，例如“病房”

  3. tSNE 用于可视化多变量数据，该技术的目标不是聚类

推荐阅读