"使用scikit-learn进行二元数据集的分类方法"

Question

我有以下二进制数据集：

[
    [1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1],
    [1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1],
    [1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 1, 0],
    [1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 0, 1, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0],
    [1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 1, 0, 1, 1, 0, 1, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0]
]

我想把它分成3个部分，以使最相似的数组（数组中相同位置的0和1）聚集在同一组中。在

因为我了解到二进制数据不能直接聚集在一起，需要降低维数。manifold learning algorithms可以这样做。我试图把它缩小到2维，然后把它分散在一个图上，使它更加用户友好，多维缩放似乎是这样做的most promising algorithm。但是，当我在数据集周围进行调整时，它仍然返回相同的数据集，而不进行任何缩减：

^{pr2}$

你知道我做错什么了吗？我试图将这个数据集简化为二维，然后将其聚集在二维散点图上，这样相似的数组就可以紧密地基于0和1位置的相似性分组在一起

Answer 1

fit()只学习数据，不会以任何方式更改它。您需要调用fit_transform()来获取新的转换数据。像这样：

newX = mds.fit_transform(X)

newX将是包含2个组件的数据。在