我有下面这个简单的小表,我使用k-means聚类算法对它们进行聚类
| |Cluster| ItalianRe|Japanese|Pizza|Sandwich|Fast Food| |-----------------|-------|----------|--------|-----|--------|---------| |Central Toronto | 0 |33 |8 |17 |10 |2 |Downtown Toronto | 1 |77 |55 |12 |17 |14 |East Toronto | 2 |7 |9 |2 |4 |3 |East York | 2 |4 |3 |4 |3 |1 |Etobicoke | 0 |18 |6 |20 |7 |9 |North York | 2 |4 |9 |9 |13 |14 |Scarborough | 3 |1 |8 |23 |15 |29 |West Toronto | 2 |7 |5 |7 |7 |5 |York | 2 |8 |4 |7 |2 |0
对我来说,斯卡伯勒和北约克看起来非常相似,在“三明治”和“快餐”中的数字很高,在“日语”中的数字相同。然而,斯卡伯勒被单独分组,而北约克被其他四项分组,这四项在第一眼就不那么熟悉了
我使用以下代码进行集群
# run k-means clustering
kmeans = KMeans(init="k-means++", n_clusters=4, ).fit(df)
有谁能帮助我理解为什么会发生这种情况,或者是否有任何方法可以解决这个问题
另外,当我昨天运行我的代码时,我假设它将这两个代码聚集在一个组中。但现在它像这样聚集在一起
直觉上,沿一维的相似性并不一定意味着两个点彼此接近。为了使可视化变得更容易,考虑两个点的二维例子:一个是(0,10),另一个是(0,0)。其他点可能是(1,1),(3,2),(-1,-3),等等。。。现在,您可能会看到前两点,并认为它们在第一维度上非常相似(事实上是相同的),因此它们应该组合在一起。但是如果你想象这个例子,很明显,(0,0)比第一个点更接近其他点
因此,这可能提供了一些直觉,解释为什么三维中的相似性并不表示紧密
此外,两者在快餐方面的差异仍然很大。如果我没记错的话,k-means聚类寻求最小化距离,因此“两者都有高数值”并不意味着什么,但“这个维度中的距离是15”(这个数据集中的一个大距离)意味着什么
相关问题 更多 >
编程相关推荐