Select 与 PCA 和 K-MEANS 相关的特征
Select relevant features with PCA and K-MEANS
我正在尝试理解 PCA 和 K-Means 算法以提取一些相关 一组特征中的特征。
我不知道计算机科学的哪个分支研究这些主题，网上似乎没有很好的资源，只是一些我不太了解的论文。论文范例http://www.ifp.illinois.edu/~qitian/e_paper/icip02/icip02.pdf
我有 pepole walks 的 csv 文件，组成如下：
- TIME, X, Y, Z, 这些值由加速度计记录
我做了什么
- 我将数据集转换为 Python
中的 table
- 我用了tsfresh，一个Python库，从每一次行走中提取特征向量，这些特征很多，2k+个特征 每次步行。
- 我必须使用 PFA，主要特征分析，select 相关 特征
矢量特征
为了完成最后一点，我必须使用 PCA 减少特征遍历集的维数（PCA 将使数据与原始数据不同，因为它使用原始数据的协方差矩阵的特征向量和特征值修改数据）。这里我有第一个问题：
- PCA 的输入应该是什么样子？行是行走的次数，列是特征，反之亦然，所以行是特征的数量，列是人的行走次数？
我减少了这个数据后，我应该对减少的'features'数据使用K-Means算法。输入在 K-Means 中应该如何看待？使用这个算法的目的是什么？我只知道这个算法用于 'cluster' 一些数据，所以在每个集群中都有一些 'points' 基于一些规则。我做的和想的是：
- 如果我在 PCA 中使用如下所示的输入：行是步数，列是特征数，那么对于 K-Means，我应该用行更改列，因为这样每个点它是一个特征（但这不是具有特征的原始数据，它只是减少的数据，所以我不知道）。因此，对于每个集群，我看到的欧几里得距离与质心的距离更短，并且 select 该特征。那么我应该申报多少集群？如果我声明聚类与特征数量相同，我将始终提取相同数量的特征。我怎么能说减少数据中的一个点对应于原始特征集中的这个特征呢？
我知道我说的可能不对，但我正在努力理解它，你们中的一些人可以帮助我吗？如果我是在正确的方式？谢谢！
对于 PCA，请确保将对算法使用的方法（特征向量等）的理解与结果分开。结果是一个线性映射，将原始 space A 映射到 A'，其中维度（您的情况下的特征数）可能小于原始 space A.
所以spaceA'中的第一个feature/element是A.
的特征的线性组合
row/column 取决于实现，但如果您使用 scikit PCA，则列就是特征。
您可以将 PCA 输出、A' space、K-means 和它将根据通常降低维度的 space 对它们进行聚类。
每个点都是一个集群的一部分，这个想法是，如果你在 A 上计算 K-Means，你可能最终会得到 same/similar 个集群，就像 A'。在计算上 A' 便宜很多。您现在在 A' 和 A 上有了一个聚类。我们同意 A' 中的相似点在 A 中也相似。
簇数比较难回答，不懂就搜肘法吧。但是如果你想感受一下你拥有的 things 的不同类型，我认为应该选择 3~8 而不要太多，比较最接近的 2-3 点
每个中心，你都有一些消耗品。特征的数量可以大于集群的数量。例如如果我们想知道某个区域 (2D) 中最密集的区域，您可以轻松地拥有 50 个集群，以了解 50 个城市可能位于何处。这里我们有比 space 维度更高的集群数量，这是有道理的。
我正在尝试理解 PCA 和 K-Means 算法以提取一些相关 一组特征中的特征。
我不知道计算机科学的哪个分支研究这些主题，网上似乎没有很好的资源，只是一些我不太了解的论文。论文范例http://www.ifp.illinois.edu/~qitian/e_paper/icip02/icip02.pdf
我有 pepole walks 的 csv 文件，组成如下：
- TIME, X, Y, Z, 这些值由加速度计记录
我做了什么
- 我将数据集转换为 Python 中的 table
- 我用了tsfresh，一个Python库，从每一次行走中提取特征向量，这些特征很多，2k+个特征 每次步行。
- 我必须使用 PFA，主要特征分析，select 相关 特征 矢量特征
为了完成最后一点，我必须使用 PCA 减少特征遍历集的维数（PCA 将使数据与原始数据不同，因为它使用原始数据的协方差矩阵的特征向量和特征值修改数据）。这里我有第一个问题：
- PCA 的输入应该是什么样子？行是行走的次数，列是特征，反之亦然，所以行是特征的数量，列是人的行走次数？
我减少了这个数据后，我应该对减少的'features'数据使用K-Means算法。输入在 K-Means 中应该如何看待？使用这个算法的目的是什么？我只知道这个算法用于 'cluster' 一些数据，所以在每个集群中都有一些 'points' 基于一些规则。我做的和想的是：
- 如果我在 PCA 中使用如下所示的输入：行是步数，列是特征数，那么对于 K-Means，我应该用行更改列，因为这样每个点它是一个特征（但这不是具有特征的原始数据，它只是减少的数据，所以我不知道）。因此，对于每个集群，我看到的欧几里得距离与质心的距离更短，并且 select 该特征。那么我应该申报多少集群？如果我声明聚类与特征数量相同，我将始终提取相同数量的特征。我怎么能说减少数据中的一个点对应于原始特征集中的这个特征呢？
我知道我说的可能不对，但我正在努力理解它，你们中的一些人可以帮助我吗？如果我是在正确的方式？谢谢！
对于 PCA，请确保将对算法使用的方法（特征向量等）的理解与结果分开。结果是一个线性映射，将原始 space A 映射到 A'，其中维度（您的情况下的特征数）可能小于原始 space A.
所以spaceA'中的第一个feature/element是A.
row/column 取决于实现，但如果您使用 scikit PCA，则列就是特征。
您可以将 PCA 输出、A' space、K-means 和它将根据通常降低维度的 space 对它们进行聚类。
每个点都是一个集群的一部分，这个想法是，如果你在 A 上计算 K-Means，你可能最终会得到 same/similar 个集群，就像 A'。在计算上 A' 便宜很多。您现在在 A' 和 A 上有了一个聚类。我们同意 A' 中的相似点在 A 中也相似。
簇数比较难回答，不懂就搜肘法吧。但是如果你想感受一下你拥有的 things 的不同类型，我认为应该选择 3~8 而不要太多，比较最接近的 2-3 点
每个中心，你都有一些消耗品。特征的数量可以大于集群的数量。例如如果我们想知道某个区域 (2D) 中最密集的区域，您可以轻松地拥有 50 个集群，以了解 50 个城市可能位于何处。这里我们有比 space 维度更高的集群数量，这是有道理的。