通过单个点绘制每个集群（Kmeans 聚类）
Plot each cluster by a single point (Kmeans Clustering)
我已将不同的文本聚类为 15 个聚类。
文本格式为：
"Oreo Biscuit is good"
"Healthy Breakfast
"Cars are fast"
....
我将文本转换成100维的Word2Vec。现在我有 15 个簇，我想绘制它们。
我不想绘制所有点，而是想为每个聚类绘制 1 个点，这样图中就有 15 个点。我该怎么做？
想法：
1) Use the cluster centre to plot each cluster.
Is there any other way (Converting all the Word2vecs in a cluster into
Doc2vec) or
Can Mds (Multi Dimensional Scaling) be used to plot the .
clusters?
谢谢
您已经有了每个文本的矢量表示。你也有这些文本的集群。您有以下非常微不足道的选项：
- 您只需使用某种降维机制绘制聚类质心。 （优点：简单，缺点：没有关于每个单独集群的优点的信息）
- 您仍然绘制聚类质心，但可以使用一些气泡图将这些时间方差添加为第三维，如图 here 所示。 （优点：包括均值和方差，缺点： K-mean太简单了）
- 我们可以应用一些谱聚类方法，然后在其上应用上述方法。
我已将不同的文本聚类为 15 个聚类。
文本格式为：
"Oreo Biscuit is good"
"Healthy Breakfast
"Cars are fast"
....
我将文本转换成100维的Word2Vec。现在我有 15 个簇，我想绘制它们。
我不想绘制所有点，而是想为每个聚类绘制 1 个点，这样图中就有 15 个点。我该怎么做？
想法：
1) Use the cluster centre to plot each cluster.
Is there any other way (Converting all the Word2vecs in a cluster into
Doc2vec) or
Can Mds (Multi Dimensional Scaling) be used to plot the .
clusters?
谢谢
您已经有了每个文本的矢量表示。你也有这些文本的集群。您有以下非常微不足道的选项：
- 您只需使用某种降维机制绘制聚类质心。 （优点：简单，缺点：没有关于每个单独集群的优点的信息）
- 您仍然绘制聚类质心，但可以使用一些气泡图将这些时间方差添加为第三维，如图 here 所示。 （优点：包括均值和方差，缺点： K-mean太简单了）
- 我们可以应用一些谱聚类方法，然后在其上应用上述方法。