多列K-Means聚类的可视化

Question

数据集文件：谷歌驱动链接

Hello Community，我需要关于如何在这个用例上应用KNN集群的帮助。

我有一个由(27884 ROWS, 8933 Columns)组成的数据集

以下是数据集的预览

>b5b6b7>>b9<10>b118408<1><2>>>23030506><1>50<2>00

user_iD	b1	b2	b3	b4	2b8
1	1	7	2	3	0
2	7	4	6	5	9	10
3	0	0	1	5	4	6
4	1	7	2	8	0	4
5	0	4	7	0	6		3	0
6	1	2	3	0	5	4	0		6	7

在K之后意味着您的数据集中还有一列

df["kmeans_cluster"] = model.labels_

要可视化数据点，必须选择2或3个轴(用于二维和三维图形(。然后，可以将kmeans_cluster用于点的颜色，将user_iD用于点的标签。

根据您的需要，您可以使用：

• b1和b2作为轴：看看这两本书如何影响Kmeans结果
• 前2或3个PCA组件(参见其他答案(
• t-sne或Umap降维算法的结果

以下是一些可以使用的代码片段：link1、link2

旁注：在应用Kmeans之前，您可能需要删除user_id列。

如果列数超过3列，则不能直接执行此操作。但是，您可以应用主成分分析来减少2列中的空间，并将其可视化。

pca_num_components = 2
reduced_data = PCA(n_components=pca_num_components).fit_transform(df3.iloc[:,1:12])
results = pd.DataFrame(reduced_data,columns=['pca1','pca2'])
sns.scatterplot(x="pca1", y="pca2", hue=df3['clusters'], data=results)
plt.title('K-means Clustering with 2 dimensions')
plt.show()