使用 PCA 对降维后的数据进行聚类答案

【问题标题】：Clustering data after dimension reduction with PCA使用 PCA 对降维后的数据进行聚类
【发布时间】：2013-09-30 22:05:39
【问题描述】：

假设我们有一个大维度的数据集，我们使用 PCA 将其减少到一个较低维度，然后对所述数据使用聚类算法是否明智/准确？假设我们不知道预期有多少集群。

在 Iris 数据集上使用 PCA（对 csv 中的数据进行排序，以便列出所有第一类，然后是第二类，然后是第三类）产生以下图：-

可以看出，鸢尾花数据集中的三个类都得到了保留。但是，当样本的顺序随机化时，会产生以下图：-

以上，尚不清楚数据集中包含多少个集群/类。在这种情况下（更现实的情况），如何确定类的数量，诸如 K-Means 之类的聚类算法是否有效？

会因为丢弃低阶主成分而导致不准确吗？

编辑：- 明确地说，我问的是在运行 PCA 后是否可以对数据集进行聚类，如果可以，最准确的方法是什么。

【问题讨论】：

【解决方案1】：

假设我们有一个大维度的数据集，我们已将其缩减为更低的维度使用 PCA 的维度，然后使用聚类是否明智/准确上述数据的算法？假设我们不知道有多少簇期待。

您的数据很可能在低方差维度中分离。我不建议在集群之前运行 PCA。

以上，不清楚数据中包含多少个簇/类放。在这种情况下（更真实的情况），如何识别类的数量，像K-Means这样的聚类算法会有效吗？

有一些有效的聚类算法不需要事先知道类的数量，例如 Mean Shift 和 DBSCAN。

【讨论】：

【解决方案2】：

尝试在 PCA 之后对数据集进行排序，然后绘制它。

虹膜数据集非常简单，可以简单地得出关于高维数据行为的任何有效结论，以及 PCA 的好处。

另外，“明智”——在什么意义上？如果你想吃披萨，绘制 iris 数据集是不明智的。

【讨论】：