Python Doc2Vec模型的DBSCAN聚类

我有一个用Gensim创建的Doc2Vec模型，我想使用

scikit learn

DBSCAN在模型中查找句子聚类

我正在努力找出如何最好地转换模型向量，以使用DBSCAN和plot集群，但在web上找不到许多直接适用的示例

以下是我到目前为止的情况：

导入gensim
将numpy作为np导入
从sklearn.cluster导入DBSCAN
将matplotlib.pyplot作为plt导入
fnIn='NLPModels/doc2VecModel_vector_size{0}_epochs{1}.bin'
def doCluster（矢量大小，历元）：
model=gensim.models.doc2vec.doc2vec.load（fnIn.格式（向量大小，历代））
Y=model.docvecs.index2entity#标记
X=[]#文档向量
对于Y中的标记：
X.append（model.docvecs[tag]）
db=DBSCAN（eps=0.1，最小样本数=5，公制='余弦'）。拟合预测（X）
标签=设置（db）
打印（标签）
doCluster（100,10）

输出：

{0,1，-1}

我认为这是两个簇（0和1）和异常值（-1）

我这样做对吗

我将如何将其绘制在图表上以可视化集群

---

谢谢。

这里有两个问题：

可视化：我建议您优化

如果您正确地进行了集群。 乍一看——是的

---

这里有两个问题：

可视化：我建议您优化

如果您正确地进行了集群。 乍一看——是的

---

非常感谢你。我应该在绘图之前应用降维吗？当然。很难绘制100多个维度的2D图像。你可以看看谢谢，是的，TSNE确实帮了忙。我使用的是PCA，它并没有真正显示分组。非常感谢，非常感谢。我应该在绘图之前应用降维吗？当然。很难绘制100多个维度的2D图像。你可以看看谢谢，是的，TSNE确实帮了忙。我使用的是PCA，它并没有真正显示分组。非常感谢。