![](/img/trans.png)
[英]Am i clustering users correctly by using sklearn's cosine similarity method and K-means algorithm?
[英]Am I interpreting K-means results correctly?
我已经实现了 k-means 弯头 plot 来为我的数据找到最佳 K(在进行 PCA 之后)。 我得到了如下所示的弯头 plot。 我的问题是:我认为在我的情况下最佳 K 是 3(这是突然下降/拐点发生的地方)? 但是看看我的 X_PCA_1 VS。 X_PCA_2 plot,我认为数据只能聚集成2个集群? 还是我弄错了?
注意:我还是个初学者。
如果您想 plot 清楚地看到集群,首先您可以使用带有 3 个组件的 PCA:
pca = PCA(3)
X_pca = pca.fit_transform(scaled_df)
然后,您可以将 append 每个点指向每个维度:
X = []
Y = []
Z = []
for i in X_pca:
X.append(i[0])
Y.append(i[1])
Z.append(i[2])
从这里您可以选择 plot 3d 图的库。
model = KMeans(n_clusters=3)
cluster_kmeans = model.fit_predict(scaled_df)
df_graph = pd.DataFrame({'X': X,
'Y': Y,
'Z': Z,
'labels': cluster_kmeans
})
fig = plt.figure(figsize=(20, 10))
ax = fig.add_subplot(111, projection='3d')
for s in df_graph.labels.unique():
ax.scatter(df_graph.X[df_graph.labels==s],df_graph.Y[df_graph.labels==s],df_graph.Z[df_graph.labels==s],label=s)
ax.legend()
plt.show()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.