如何使用python直觀地比較集群？

Question

我正在研究用於客戶細分的 k-means 聚類。 我的輸入數據有 12 個特征和 7315 行。

因此，我嘗試了下面的代碼來執行 k-means

kmeans = KMeans(n_clusters = 5, init = "k-means++", random_state = 42)
data_normalized['y_kmeans'] = kmeans.fit_predict(data_normalized)

為了可視化，我嘗試了以下代碼

u_labels = np.unique(data_normalized['y_kmeans'])
 
#plotting the results:
 
for i in u_labels:
    plt.scatter(data_normalized[y_kmeans == i , 0] , data_normalized[y_kmeans == i , 1] , label = i)
plt.legend()
plt.show()

我收到如下錯誤

TypeError: '(array([False, False, False, ..., False, False, False]), 0)' is an invalid key

InvalidIndexError: (array([False, False, False, ..., False, False, False]), 0)

如何可視化我的集群以查看它們之間的距離？

Answer 1

由於我沒有您的數據集，因此我按如下方式模擬了您的數據框：（我假設了 9 個不同的集群組）

d={'col1': [i/100 for i in random.choices(range(1,100), k=7315)],
       'col2':[i/100 for i in random.choices(range(1,100), k=7315)],
       'y_kmeans':random.choices(range(1,10), k=7315)}
data_normalized = pd.DataFrame(d)

之后，您可以按如下方式繪制集群，

import numpy as np
import random
import pandas as pd
import matplotlib.pyplot as plt

u_labels = np.unique(data_normalized['y_kmeans']).tolist()

scatter = plt.scatter(data_normalized['col1'], data_normalized['col2'],
            c=data_normalized['y_kmeans'], cmap='tab20')
plt.legend(handles=scatter.legend_elements()[0], labels=u_labels)
plt.show()

我得到以下集群圖