Scikit學習kmeans聚類

Question

我應該用一些數據來做kmeans集群實現。 我從http://glowingpython.blogspot.com/2012/04/k-means-clustering-with-scipy.html查看的示例在2列中顯示了他們的測試數據...但是，給出的數據是68個具有78個特征的主題（即68x78矩陣）。 我應該如何為此創建適當的輸入？

我基本上只是嘗試輸入矩陣，但是它似乎並沒有執行我想要的操作……而且我也不知道為什么會這樣做。 我對做什么很困惑。

        data = np.rot90(data)
        centroids,_ = kmeans(data,2)
        # assign each sample to a cluster
        idx,_ = vq(data,centroids)

        # some plotting using numpy's logical indexing
        plot(data[idx==0,0],data[idx==0,1],'ob',
             data[idx==1,0],data[idx==1,1],'or')
        plot(centroids[:,0],centroids[:,1],'sg',markersize=8)
        show()

老實說，我不知道該向您顯示哪種代碼。 否則，它與我鏈接的教程相同。

Answer 1

您的可視化僅使用前兩個維度 。

這就是為什么這些點看起來“不正確”的原因-它們在另一個維度上更接近。

看一下下面的兩個維度：

plot(data[idx==0,2],data[idx==0,3],'ob',
         data[idx==1,2],data[idx==1,3],'or')
    plot(centroids[:,2],centroids[:,3],'sg',markersize=8)
    show()

...對其余的其余所有78個尺寸重復...

在這么多特征下，（平方）歐幾里得距離變得毫無意義，並且k均值結果趨於變得與隨機凸分區一樣好。

為了獲得更具代表性的視圖，請考慮使用MDS將數據投影到2d中以進行可視化。 它只需要68個科目就可以相當快地工作。

請在您的問題中包括可視化。 我們沒有您的數據。