在集群中打印主要特征（python）

Question

我有一个 mxn 矩阵，有 m 个特征和 n 个样本。该矩阵称为term_individual。聚类是使用 scikitlearn 完成的：

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=n_clusters)
kmeans.fit(term_individual.T)
centroids = kmeans.cluster_centers_.squeeze()
labels = kmeans.labels_

每个样本都是一个用正整数填充的向量。如果一个样本的第 i 个分量是 n，则意味着第 i 个特征在该样本中出现了 n 次。

我想知道每个集群最具代表性的特征。例如，假设第 i 个特征在第一个和第二个样本中多次出现，导致这些样本与许多其他样本在同一个簇中，其中也出现了第 i 个特征。我想打印该功能（或与之关联的索引，即打印 i）。

感谢您的帮助。

Answer 1

看来您要问的问题是哪些功能对每个集群最重要。基本上你可以开始估计每个集群中每个特征的 zscore 平均值：

def cluster_feature_importance(X, Y, feature_importances):
    N, M = X.shape
    X = scale(X)

    out = {}
    for c in set(Y):
        out[c] = dict(
            zip(range(N), np.mean(X[Y==c, :], axis=0))
        )

    return out

这里X是你的矩阵term_individual和Y，作为一个列表，通知每个样本属于哪个集群，例如像这样：[0, 0, 1, 1, 0, 3, 2, 2, 3, 0, ...] 其中Y 是n long。