Kmean聚类clus中的顶级术语

Question

我使用python-Kmean聚类算法对集群文档进行聚类。我创建了一个术语文档矩阵

   from sklearn.feature_extraction.text import TfidfVectorizer
   from sklearn.cluster import KMeans
   vectorizer = TfidfVectorizer(tokenizer=tokenize, encoding='latin-1',
                          stop_words='english')
    X = vectorizer.fit_transform(token_dict.values())

然后我使用以下代码应用Kmean集群

^{pr2}$

我的下一个任务是查看每个集群中的顶级术语，在googole上搜索表明很多人都使用了km.集群中心_.argsort（）[：，：：-1]用于使用以下代码查找群集中的顶级项：

 print("Top terms per cluster:")
 order_centroids = km.cluster_centers_.argsort()[:, ::-1]
 terms = vectorizer.get_feature_names()
 for i in range(true_k):
     print("Cluster %d:" % i, end='')
     for ind in order_centroids[i, :10]:
         print(' %s' % terms[ind], end='')
         print()

现在我的问题是我的理解集群中心返回簇中心的坐标，因此，例如，如果有100个特征和3个簇，它将返回一个由3行和100列组成的矩阵，表示每个簇的质心。我想了解在上面的代码中如何使用它来确定集群中的顶级术语。 谢谢你的评论 纳迪姆

Answer 1

你对星团中心的形状和意义是正确的。因为您使用的是Tf Idf vectorizer，所以您的“特性”是给定文档中的单词（每个文档都是它自己的向量）。因此，在对文档向量进行聚类时，质心的每个“特征”都表示该词与它的相关性。”单词“（在词汇表中）=“特征”（在向量空间中）=“列”（在质心矩阵中）

get_feature_names调用获取列索引到它所代表的单词的映射（因此从文档中可以看出。。。如果这没有如预期的那样工作，只需反转vocabulary_矩阵以得到相同的结果）。在

然后.argsort()[:, ::-1]行将每个质心转换成一个排序（降序）的列表，该列表中最“相关”（高度值）的列，因此是最相关的单词（因为words=columns）。在

剩下的代码只是打印，我相信这不需要任何解释。代码真正要做的就是将每个质心按最有价值的特征/单词按降序排序，然后将这些列映射回其原始单词并打印出来。在