如何使用Python'；s特征凝聚用于降维？

我找到了在Python中实现降维的方法，得到的结果是：。该网站上显示的最后一种方法是特征聚合。我点击了python方法文档的链接，但我仍然不确定如何使用它

---

如果以前有人使用过Python的特性聚合方法，您是否可以解释它是如何工作的（输入、输出等）？谢谢

您可以使用numpy数组或pandas数据帧作为sklearn.cluster.features的输入

输出是一个numpy数组，行等于数据集中的行，列等于featurecongregation中设置的n_clusters参数

from sklearn.cluster import FeatureAgglomeration
import pandas as pd
import matplotlib.pyplot as plt

#iris.data from https://archive.ics.uci.edu/ml/machine-learning-databases/iris/
iris=pd.read_csv('iris.data',sep=',',header=None)
#store labels
label=iris[4]
iris=iris.drop([4],1)

#set n_clusters to 2, the output will be two columns of agglomerated features ( iris has 4 features)
agglo=FeatureAgglomeration(n_clusters=2).fit_transform(iris)

#plotting
color=[]
for i in label:
    if i=='Iris-setosa':
        color.append('g')
    if  i=='Iris-versicolor':
        color.append('b')
    if i=='Iris-virginica':
        color.append('r')
plt.scatter(agglo[:,0],agglo[:,1],c=color)
plt.show()