PCA前K均值聚類

Question

如果我施加PCA上的特徵向量，然後我做聚類，例如像以下：

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) 

1. 減小的數據將是在PCA分量而言，使後 在kmean中聚類，可以得到每個點的標籤 （reduced_data），如何知道源數據中哪一個？

2. 如何玩關於 集羣數量的PCA組件數量？謝謝。

Answer 1

1. PCA減少了尺寸的，你從n個指定n_components = 2的標籤不改號（在你的問題不詳），在數據矩陣的行不會切換。您可以將生成的羣集直接映射到原始數據上。

2. n_components的選擇取決於與原始數據相比保留的方差。首先，k-means並不健壯，因此您必須多次初始化並將結果與​​給定的n_components進行比較。其次，你會想根據你可以繪製的相關特徵值選擇變量n_components。此外，PCA對縮放比較敏感，因此在PCA之前應考慮歸一化。 因此，要回答你的問題，n_components的選擇應該是關於保留方差的想法，而不是你想要實現的羣集數量。

另一種思考：除了使用K-手段，你可以使用聚類算法不需要集羣的目標numbner作爲輸入，如DBSCAN。