gpt4 book ai didi

python - 使用 PCA (Python) 可视化聚类结果

转载 作者:行者123 更新时间:2023-12-02 02:22:21 27 4
gpt4 key购买 nike

我有一个包含 61 行(用户)和 26 列的数据集,我在其中应用了 k 均值和其他算法的聚类。在对数据集进行归一化后,首先将 KMeans 应用于数据集。作为之前的任务,我在对这些数据进行归一化并识别出 10 个簇后对其运行 k 均值。与此同时,我还尝试可视化这些集群,这就是我使用 PCA 来减少特征数量的原因。

我编写了以下代码:

UserID  Communication_dur   Lifestyle_dur   Music & Audio_dur   Others_dur  Personnalisation_dur    Phone_and_SMS_dur   Photography_dur Productivity_dur    Social_Media_dur    System_tools_dur    ... Music & Audio_Freq  Others_Freq Personnalisation_Freq   Phone_and_SMS_Freq  Photography_Freq    Productivity_Freq   Social_Media_Freq   System_tools_Freq   Video players & Editors_Freq    Weather_Freq
1 63 219 9 10 99 42 36 30 76 20 ... 2 1 11 5 3 3 9 1 4 8
2 9 0 0 6 78 0 32 4 15 3 ... 0 2 4 0 2 1 2 1 0 0


from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

Sc = StandardScaler()
X = Sc.fit_transform(df)
pca = PCA(3)
pca.fit(X)
pca_data = pd.DataFrame(pca.transform(X))
print(pca_data.head())

给出以下结果:

   0  1  2
0 8 -4 5
1 -2 -2 1
2 1 1 -0
3 2 -1 1
4 3 -1 -3

我想使用 PCA 显示数据集的图(聚类)并解释结果?我在这个领域确实是个新手,非常感谢您的建议!

再次提前致谢。

最佳答案

使用示例数据集:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans

df, y = make_blobs(n_samples=70, centers=10,n_features=26,random_state=999,cluster_std=1)

执行缩放、PCA 并将 PC 分数放入数据帧中:

Sc = StandardScaler()
X = Sc.fit_transform(df)
pca = PCA(2)
pca_data = pd.DataFrame(pca.fit_transform(X),columns=['PC1','PC2'])

执行 kmeans 并将标签放入数据框中,您就可以使用 seaborn 绘制它:

kmeans =KMeans(n_clusters=10).fit(X)
pca_data['cluster'] = pd.Categorical(kmeans.labels_)
sns.scatterplot(x="PC1",y="PC2",hue="cluster",data=pca_data)

enter image description here

或 matplotlib:

fig,ax = plt.subplots()
scatter = ax.scatter(pca_data['PC1'], pca_data['PC2'],c=pca_data['cluster'],cmap='Set3',alpha=0.7)
legend1 = ax.legend(*scatter.legend_elements(),
loc="upper left", title="")
ax.add_artist(legend1)

enter image description here

关于python - 使用 PCA (Python) 可视化聚类结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66204637/

27 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com