如何在 python 中对 14 列数据框中的 8 列进行 KMeans 聚类？

Posted 2023-03-12

【中文标题】如何在 python 中对 14 列数据框中的 8 列进行 KMeans 聚类？

【英文标题】：How can I do KMeans clustering in python for 8 columns in a data-frame of 14 columns?

【发布时间】：2018-11-28 12:10:05

【问题描述】：

我正在尝试对给我的数据框进行聚类。它有 14 列。如何对其中的 8 个进行聚类？

以下是我找到并遵循的代码。

肘法：

可视化

# K-Means Clustering

# importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# importing tha customer Expenses Invoices dataset with pandas
dataset=pd.read_csv('Expense_Invoice.csv')
X=dataset.iloc[: , [3,2]].values

# Using the elbow method to find  the optimal number of clusters
from sklearn.cluster import KMeans
wcss = []
for i in range(1, 11):
  kmeans=KMeans(n_clusters=i, init='k-means++', max_iter= 300, n_init= 10, random_state= 0)
  kmeans.fit(X)
  wcss.append(kmeans.inertia_)
plt.plot(range(1, 11),wcss)
plt.title('The Elbow Method')
plt.xlabel('Number of clusters K')
plt.ylabel('Average Within-Cluster distance to Centroid (WCSS)')  
plt.show()

# Applying k-means to the mall dataset
kmeans=KMeans(n_clusters=3, init='k-means++', max_iter= 300, n_init= 10, random_state= 0)
y_kmeans=kmeans.fit_predict(X)

# Visualizing the clusters
plt.scatter(X[y_kmeans == 0, 0], X[y_kmeans == 0, 1], s = 100, c = 'red', label='Careful(c1)')
plt.scatter(X[y_kmeans == 2, 0], X[y_kmeans == 2, 1], s = 100, c = 'green', label='Standard(c2)')
plt.scatter(X[y_kmeans == 1, 0], X[y_kmeans == 1, 1], s = 100, c = 'blue', label='Target(c3)')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s = 250, c = 'yellow', 
            label='Centroids')
plt.title('Clusters of customer Invoices & Expenses')
plt.xlabel('Total Invoices ')
plt.ylabel('Total Expenses')
plt.legend()
plt.show()

这非常有效，但这仅适用于两列（变量），我希望它用于 8 列。但我不明白怎么做？

【问题讨论】：

您没有包含代码。当你说你不能这样做时，你遇到的具体问题是什么？

请看附图。

亲爱的 Rup，请看一下，这里是代码。

请注意，k-means 对属性缩放和倾斜数据非常敏感。所以在“发票”等属性上使用它可能没有意义。

【参考方案1】：

使用X=dataset.iloc[: , [3,2]].values，您就是第 4 列和第 3 列。 KMeans 对您选择的所有列执行聚类。

因此，您需要根据需要更改 X=dataset.iloc[: , [3,2]]。例如，使用数据集的前 8 列：X=dataset.iloc[:, 0:8].values。

查看 pandas 文档以了解如何在数据框中选择数据的更多选项：https://pandas.pydata.org/pandas-docs/stable/indexing.html

请记住，您无法像以前那样在 2D 散点图中可视化您的集群。

【讨论】：

效果很好，我继续前进。我使用 PCA 方法来可视化数据，甚至尝试过 tSNE，但无法理解我应该使用哪一种！

它有所帮助，但我无法将数据可视化。我该怎么办？