说明

最近做聚类分析，记录一下聚类后，利用PCA将特征降维到二维、三维，进行聚类可视化的方法

数据处理和EDA部分就不放在这里了，有兴趣的可以点击下方链接看完整的项目，fork后可以看到完整代码，可下载也可以在线运行：

关于大五人格测试数据集的探索【可视化分析+k-means聚类分析】¶

一、数据展示

df2 = df.iloc[:,0:50]
df3 = df2.copy()
df2.head()

二、构建k-means模型

我这里聚类数目为4类

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=4)
k_fit = kmeans.fit(df2)
predictions = k_fit.labels_
df2['Clusters'] = predictions
df2.head()

查看不同类别的数目

Clu_nums = df2['Clusters'].value_counts()
Clu_nums

0    160727
1    152405
3    145982
2    139999
Name: Clusters, dtype: int64

三、可视化聚类结果

3.1 二维可视化聚类结果

这里使用df3是因为df2做了一些计算分析，如果直接可视化，还用df2就行，不过因为df3是拷贝的df2的数据，所以没有影响

from sklearn.decomposition import PCApca = PCA(n_components=2)
pca_fit = pca.fit_transform(df3)df_pca = pd.DataFrame(data=pca_fit, columns=['PCA1', 'PCA2'])
df_pca['Clusters'] = predictions
df_pca.head()

plt.figure(figsize=(10,10))
sns.scatterplot(data=df_pca, x='PCA1', y='PCA2', hue='Clusters', palette='tab10', alpha=0.8)
plt.title('Personality Clusters after PCA');

3.2 三维可视化聚类结果

pca2 = PCA(n_components=3)
pca_fit2 = pca2.fit_transform(df3)df_pca2 = pd.DataFrame(data=pca_fit2, columns=['PCA1', 'PCA2', 'PCA3'])
df_pca2['Clusters'] = predictions
df_pca2.head()

from mpl_toolkits.mplot3d import Axes3Dfig = plt.figure(figsize=(10,10))
ax = fig.add_subplot(111, projection='3d')
x = df_pca2['PCA1']
y = df_pca2['PCA2']
z = df_pca2['PCA3']
ax.scatter(x, y, z,c = predictions, cmap="jet", marker="o")
plt.title("KMeans (N = 4)");
ax.set_xlabel('PCA1')
ax.set_ylabel('PCA2')
ax.set_zlabel('PCA3')

四、其他

1.我的数据单位是相同的，而且数值范围统一，我就没做数据归一化，如果有需求别忘了

2.在这个项目里面，因为数据量太大，我没有找轮廓系数最有的聚类个数
，但是代码还是值得记录一下的

# 通过平均轮廓系数检验得到最佳KMeans聚类模型
score_list = list()  # 用来存储每个K下模型的平局轮廓系数
silhouette_int = -1  # 初始化的平均轮廓系数阀值
for n_clusters in range(2, 8):  # 遍历从2到5几个有限组model_kmeans = KMeans(n_clusters=n_clusters)  # 建立聚类模型对象labels_tmp = model_kmeans.fit_predict(X)  # 训练聚类模型silhouette_tmp = silhouette_score(X, labels_tmp)  # 得到每个K下的平均轮廓系数if silhouette_tmp > silhouette_int:  # 如果平均轮廓系数更高best_k = n_clusters  # 保存K将最好的K存储下来silhouette_int = silhouette_tmp  # 保存平均轮廓得分best_kmeans = model_kmeans  # 保存模型实例对象cluster_labels_k = labels_tmp  # 保存聚类标签score_list.append([n_clusters, silhouette_tmp])  # 将每次K及其得分追加到列表
print('{:*^60}'.format('K值对应的轮廓系数:'))
print(np.array(score_list))  # 打印输出所有K下的详细得分
print('最优的K值是:{0} \n对应的轮廓系数是:{1}'.format(best_k, silhouette_int))

k-means聚类、以及二维、三维可视化相关推荐

地图二维三维的Web开发
地图二维三维的Web开发随着互联网技术的发展和普及,地理信息系统(GIS)也从传统的桌面应用逐渐向Web平台转移,实现了在浏览器中展示和交互地理空间数据的功能.这种基于Web技术和GIS技术的应用开 ...
OpenCV的k - means聚类 -对图片进行颜色量化
OpenCV的k - means聚类目标学习使用cv2.kmeans()数据聚类函数OpenCV 理解参数输入参数样品:它应该的np.float32数据类型,每个特性应该被放在一个单独的列. ...
matlab 三维数组运算,MATLAB二维三维画图仿真数组运算
MATLAB二维三维画图仿真数组运算 1. 数学 (1) 数组运算: x=[1 2 3 4]; y=[3 4 5 6]; z=x+y %数组x与数组y相加得到数组z z = 4 6 8 10 z=x- ...
深度学习应用篇-计算机视觉-语义分割综述[5]：FCN、SegNet、Deeplab等分割算法、常用二维三维半立体数据集汇总、前景展望等
[深度学习入门到进阶]必看系列,含激活函数.优化策略.损失函数.模型调优.归一化算法.卷积模型.序列模型.预训练模型.对抗神经网络等专栏详细介绍:[深度学习入门到进阶]必看系列,含激活函数.优化策略 ...
OpenCV官方文档理解k - means聚类
理解k - means聚类目标在这一章中,我们将了解k - means聚类的概念,它是如何工作等. 理论我们将这个处理是常用的一个例子. t恤尺寸问题考虑一个公司要发布一个新模型的t恤. 显然 ...
k近邻算法C++二维情况下的实现
k近邻算法C++二维实现这是一个k近邻算法的二维实现(即K=2的情况). #include <cstdio> #include <cstring> #include < ...
Matlab中矩阵编号方式以及一维二维三维数据间的相互转换
Matlab中矩阵编号方式以及一维二维三维数据间的相互转换文章目录 Matlab中矩阵编号方式以及一维二维三维数据间的相互转换一.问题的提出二.一维数据转为二维和三维三.三维数据转为一维和二维 ...
最新CAD机械二维三维图块集
对于机械类CAD模型的需求远远超乎我们的想象,今天给大家分享的是我们最新的CAD机械二维三维图块模型!对于这些模型可在专业的迅捷CAD每日一图获取,迅捷CAD每日一图最新CAD机械二维三维图块集主要包 ...
MATLAB scatter 画二维/三维散点图时用颜色表示数值大小 colorbar
MATLAB scatter 画二维/三维散点图时用颜色表示数值大小自己在编程的时候,没有在网上找到很好的解释. 所以把我的代码贴出来,给遇到同样问题的盆友一个参考~ 带注释.看不懂的地方可以给我 ...
图形学（8）二维三维图形变换
本模块内容绝大部分是在慕课上看中国农业大学网客时的笔记,因此算作转载,在此鸣谢赵明.李振波两位老师,感谢他们录制该门课程供大家学习! 在使用计算机处理图像时,我们不可避免对图形的位置.大小.形状等进行 ...

k-means聚类、以及二维、三维可视化

说明