【问题标题】：PCA before K-mean clusteringK-mean 聚类之前的 PCA
【发布时间】：2017-07-17 22:39:21
【问题描述】：
如果我在特征向量上应用 PCA，然后进行聚类，如下所示：
reduced_data = PCA(n_components=2).fit_transform(data)
kmeans = KMeans(init='k-means++', n_clusters=n_digits, n_init=10)
kmeans.fit(reduced_data)
减少的数据将是 PCA 组件方面的数据，因此在
在kmean中聚类，你可以得到每个点的标签
(reduced_data)，如何从原始数据中知道是哪一个？
如何玩一些关于 PCA 组件的数量
集群？谢谢。
【问题讨论】：
标签：
python
cluster-computing
cluster-analysis
k-means
pca
【解决方案1】：
PCA 将您指定的维度数从 n（您的问题中未知）减少到 n_components = 2。标签不会更改，数据矩阵中的行不会切换。您可以将生成的集群直接映射到原始数据上。
n_components 的选择取决于与原始数据相比保留的方差。首先，k-means 不稳健，因此您必须多次初始化并将结果与给定的 n_components 进行比较。其次，您需要根据可以绘制的相关特征值来选择变量 n_components。
此外，PCA 对缩放很敏感，因此您应该在 PCA 之前考虑归一化。
因此，要回答您的问题，n_components 的选择应该源于对要保留的方差的想法，而不是您想要实现的集群数量。
另一个想法：您可以使用不需要目标簇数作为输入的聚类算法，而不是使用 K-Means，例如 DBSCAN。