在 Scikit 中使用 K Mean 选择特征和恢复特征

【问题标题】：Choosing Features and restoring Features using K Mean in Scikit在 Scikit 中使用 K Mean 选择特征和恢复特征
【发布时间】：2014-12-06 18:31:21
【问题描述】：

我想在 Scikit 中做一些 K 均值聚类。我有 9 个特征，但我只想在聚类中选择其中的四个，而且由于四个聚类中的每一个都是以不同的指标衡量的，所以我想对要聚类的每个四个特征进行归一化。但是，我想以原始形式列出每个数据及其各自的聚类点。我该怎么办？

【问题讨论】：

【解决方案1】：

您始终可以使用原始数据点。

要么重新计算原始数据中的质心，要么应用逆归一化（z 归一化是可逆的！）；但是你只会得到你使用的四个属性的数据。

重新计算原始数据中的质心是微不足道的，并且还会为您提供有关其他属性的信息（如果您可以计算平均值，并且它们不是分类的；但是您可能想查看模式而是）

【讨论】：

如果我使用 preprocessing.scale()。如何将缩放后的数据恢复为原始数据？
我不怎么用scipy，所以不能给你代码。但您可能想查看sklearn.preprocessing.StandardScaler 的完整API 而不是便捷功能 scale。从文档中，它有一个 inverse_transform 方法。