Python K-means无法正确绘制

我有一个数据来进行k-means聚类：

然后我做了一个阴谋：

import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns; sns.set() 
plt.scatter(X[:,0],X[:,1], c=km.labels_, cmap='rainbow')

但是得到了这个结果：

---

我得到这个结果的原因可能是什么？

您正在绘制X的两个第一维度（种族和性别），颜色是通过K均值找到的簇。因此，得到这些结果并不奇怪

我相信你正在寻找的是一种成功的方法。为此，您必须可视化K-means用于生成群集的所有功能：但这是41，我们的眼睛只能看到4个

这里有一个有趣的解决方案：41个特性中的大部分信息可以合成为更少的（例如2个）。例如，使用（PCA），可以将X压缩为两个特征。请尝试以下操作：

from sklearn.decomposition import PCA
X_pca = PCA.fit_transform(X, n_dim=2)
plt.scatter(X_pca[:,0], X_pca[:,1], c=km.labels_, cmap='rainbow')

---

原因是您绘制了种族

X[：，0]

与性别

X[：，1]

，每个簇的颜色不同。我不确定你所说的“正确”是什么意思，但你的标题有误导性，你问的问题也不清楚。

import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns; sns.set() 
plt.scatter(X[:,0],X[:,1], c=km.labels_, cmap='rainbow')

from sklearn.decomposition import PCA
X_pca = PCA.fit_transform(X, n_dim=2)
plt.scatter(X_pca[:,0], X_pca[:,1], c=km.labels_, cmap='rainbow')