Refiguring K-均值聚类指标分析

Question

比方说，我有一些数据，数组的数组或数据帧，如：

In [4]: df 
Out[4]: 
    a b c d 
0 1 0 1 2 
1 0 1 0 3 
2 0 0 0 4 

制作了一段K-意味着它集群，像这样：

centroids, _ = cluster.vq.kmeans(rep.values, nb_clusters, iter=100) 
idx, _ = cluster.vq.vq(rep.values, centroids) 

我得到了两个对我有意义的集群。但是，我想知道一种方法来了解K-means如何/为何到达此群集，例如。 哪个特征a，b，c，d与分离簇最相关，等等。

有没有人知道一种方法来做到这一点？或寻找一种方法来做到这一点？在蟒蛇，或更理论？

在此先感谢您考虑我的问题。

Answer 1

K-means不处理任何特殊的变量。

相反，它对规模非常敏感。重新缩放数据（每个维度的缩放比例不同），结果可能会发生显着变化。

如果你想有一个决策树样的解释，列车上的集群决策树 - K-手段不能提供这一点，但没有什么能阻止你从分析聚类结果...其实，你应该总是仔细分析一个聚类结果，因为实际上它经常和随机划分一样好。因此，在您的实验设置中始终包括“随机voronoi细胞分区”，以确保您实际上有一些改进。

Answer 2

正如其他人指出的那样，（原始的）K-Means的缺点之一就是它将所有特征都视为相同，不管它们与实际问题的相关程度如何。

如果你有兴趣在一个版本的K-手段，使不同的功能有不同的权重，你可能需要在本文一起来看看：Minkowski metric, feature weighting and anomalous cluster initializing in K-Means clustering