在python中对集群分类数据执行多维缩放(MDS)
我目前正在对来自Kaggle的银行营销数据集的分类属性进行聚类。我创建了三个带有kmodes的集群: 输出: 现在,我想将簇的每一行可视化为投影或点,以便获得某种图像:在python中对集群分类数据执行多维缩放(MDS),python,cluster-analysis,categorical-data,multi-dimensional-scaling,Python,Cluster Analysis,Categorical Data,Multi Dimensional Scaling,我目前正在对来自Kaggle的银行营销数据集的分类属性进行聚类。我创建了三个带有kmodes的集群: 输出: 现在,我想将簇的每一行可视化为投影或点,以便获得某种图像: 我很难接受这个。我没有得到分类数据的欧几里德距离,对吗?这毫无意义。那么就不可能创建所需的可视化了吗?可视化集群的最佳方法是使用PCA。 您可以使用PCA将多维数据缩减为二维,以便能够更好地绘制和理解数据。 要使用它,请参阅以下代码: from sklearn.decomposition import PCA pca = PC
我很难接受这个。我没有得到分类数据的欧几里德距离,对吗?这毫无意义。那么就不可能创建所需的可视化了吗?可视化集群的最佳方法是使用PCA。 您可以使用PCA将多维数据缩减为二维,以便能够更好地绘制和理解数据。 要使用它,请参阅以下代码:
from sklearn.decomposition import PCA
pca = PCA(n_components=2)
principalComponents = pca.fit_transform(x)
principalDf = pd.DataFrame(data = principalComponents
, columns = ['principal component 1', 'principal component 2'])
其中x是群集上已安装和转换的数据。
现在你可以很容易地可视化你的集群数据,因为它是二维的。@Egjkmn1太棒了。谢谢,成功了!