为什么使用Sklearn将错误的簇投影到PCA上？

Question

我正在将我的聚类中心投影到2个主要组件上，但给出的图不在我的2组数据点的正确中心位置。我的代码如下。有没有人看到我要去哪里错了？ PCA很好，但集群的其中一个数据点是离开的。我会提到我的一半质心数据点是负面的。我玩过反转pca转换，真的不知道错误来自哪里。任何帮助是极大的赞赏！

import numpy as np 
import sklearn 
from sklearn.cluster import KMeans 
from sklearn.decomposition import PCA 
import matplotlib.pyplot as plt 


data = normalize(key) 

key_N=normal(key,key) 

pca=PCA(n_components=21) 
pca.fit(data[:,0:-1]) 
keytrain_T = pca.transform(data[:,0:-1]) 

kmeans = KMeans(n_clusters=2, init='k-means++', n_init=100, max_iter=300, 
      tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=1) 
kmeans.fit(data[:,0:-1]) 

centroid = cluster_centers_ 
print("The centroids:",centroid) 

# Project the cluster points to the two first principal components 
clusters = pca.fit_transform(centroid) 

print("The clusters:",clusters) 

Answer 1

您fit_transform其中荷兰国际集团的重心，而不是transform。