在python中使用kmeans sklearn对数据点进行集群

我使用以下python代码使用kmeans对数据点进行集群

data =  np.array([[30, 17, 10, 32, 32], [18, 20, 6, 20, 15], [10, 8, 10, 20, 21], [3, 16, 20, 10, 17], [3, 15, 21, 17, 20]])
kmeans_clustering = KMeans( n_clusters = 3 )
idx = kmeans_clustering.fit_predict( data )

#use t-sne
X = TSNE(n_components=2).fit_transform( data )

fig = plt.figure(1)
plt.clf()

#plot graph
colors = np.array([x for x in 'bgrcmykbgrcmykbgrcmykbgrcmyk'])
plt.scatter(X[:,0], X[:,1], c=colors[kmeans_clustering.labels_])
plt.title('K-Means (t-SNE)')
plt.show()

然而，我得到的聚类图是错误的，因为我在一个点上得到了所有的东西。

因此，请让我知道我的代码哪里出错了？我想在散点图中分别查看kmeans群集

编辑

我得到的t-sne山谷如下

[[  1.12758575e-04   9.30458337e-05]
 [ -1.82559784e-04  -1.06657936e-04]
 [ -9.56485652e-05  -2.38951623e-04]
 [  5.56515580e-05  -4.42453191e-07]
 [ -1.42039677e-04  -5.62548119e-05]]

---

使用

TSNE

的

complexity

参数。

complexity

的默认值是30，这对于您的情况来说似乎太多了，尽管文档中指出

TSNE

对该参数非常不敏感

这种困惑与其他流形学习算法中使用的最近邻数有关。更大的数据集通常需要更大的困惑。考虑选择一个介于5和50之间的值。选择不是非常关键，因为t-SNE对该参数非常不敏感

---

使用

TSNE

的

complexity

参数。

complexity

的默认值是30，这对于您的情况来说似乎太多了，尽管文档中指出

TSNE

对该参数非常不敏感

这种困惑与其他流形学习算法中使用的最近邻数有关。更大的数据集通常需要更大的困惑。考虑选择一个介于5和50之间的值。选择不是非常关键，因为t-SNE对该参数非常不敏感

您也可以使用PCA（主成分分析）而不是t-SNE来绘制聚类：

import numpy as np
import pandas as pd  
from sklearn.cluster import Kmeans
from sklearn.decomposition import PCA

data =  np.array([[30, 17, 10, 32, 32], [18, 20, 6, 20, 15], [10, 8, 10, 20, 
21], [3, 16, 20, 10, 17], [3, 15, 21, 17, 20]])
kmeans = KMeans(n_clusters = 3)
labels = kmeans.fit_predict(data)    

pca = PCA(n_components=2)
data_reduced = pca.fit_transform(data)
data_reduced = pd.DataFrame(data_reduced)

ax = data_reduced.plot(kind='scatter', x=0, y=1, c=labels, cmap='rainbow')
ax.set_xlabel('PC1')
ax.set_ylabel('PC2')
ax.set_title('Projection of the clustering on a the axis of the PCA')

for x, y, label in zip(data_reduced[0], data_reduced[1], kmeans.labels_):
    ax.annotate('Cluster {0}'.format(label), (x,y))

您也可以使用PCA（主成分分析）而不是t-SNE来绘制聚类：

import numpy as np
import pandas as pd  
from sklearn.cluster import Kmeans
from sklearn.decomposition import PCA

data =  np.array([[30, 17, 10, 32, 32], [18, 20, 6, 20, 15], [10, 8, 10, 20, 
21], [3, 16, 20, 10, 17], [3, 15, 21, 17, 20]])
kmeans = KMeans(n_clusters = 3)
labels = kmeans.fit_predict(data)    

pca = PCA(n_components=2)
data_reduced = pca.fit_transform(data)
data_reduced = pd.DataFrame(data_reduced)

ax = data_reduced.plot(kind='scatter', x=0, y=1, c=labels, cmap='rainbow')
ax.set_xlabel('PC1')
ax.set_ylabel('PC2')
ax.set_title('Projection of the clustering on a the axis of the PCA')

for x, y, label in zip(data_reduced[0], data_reduced[1], kmeans.labels_):
    ax.annotate('Cluster {0}'.format(label), (x,y))

---

您看过t-SNE变换后的

X

值了吗？我无法重现您的问题。在给出的示例数据中，我得到了5个点，x和y值大致介于-200和200之间。您使用的是什么sklearn和numpy版本？@Evert非常感谢您的评论。我的numpy版本是1.13.0，sklearn版本是0.18.1。此外，我还更新了问题中的tsne值。你能告诉我我在哪里把代码弄错了吗？无法使用numpy 1.13.3和sklearn 0.19复制在版本0.19中，

manifold.TSNE

有很多错误修复。尝试升级你的

sklearn

版本。你看过t-SNE转换后

X

的值吗？我无法重现你的问题。在给出的示例数据中，我得到了5个点，x和y值大致介于-200和200之间。您使用的是什么sklearn和numpy版本？@Evert非常感谢您的评论。我的numpy版本是1.13.0，sklearn版本是0.18.1。此外，我还更新了问题中的tsne值。你能告诉我我在哪里把代码弄错了吗？无法使用numpy 1.13.3和sklearn 0.19复制在版本0.19中，

manifold.TSNE

有很多错误修复。请尝试升级您的

sklearn

版本。非常感谢。你看到我的代码中还有其他缺陷吗？：）我不知道，其他部分都可以。非常感谢。你看到我的代码中还有其他缺陷吗？：）我不知道，其他部分还可以。