无监督学习减少 dimensionality/clustering
Unsupervised learning reduce dimensionality/clustering
我正在尝试了解如何使用无监督学习将我的数据分成集群。例如，k-means 方法。
我有 20 列数据，如何将其投影到 2D 表面上而不丢失 18 列的必要信息？
我应该用什么来做到这一点？
任何帮助将不胜感激。
如果您只是对查看二维数据感兴趣，请考虑使用 t-SNE。 scikit-learn python 包有一个很好的实现，您可以使用。但是，请记住，您不应该将数据聚类到 t-SNE 输出上，因为 space 您的数据所在的过程在此过程中会充分扭曲（仅保留短距离，而较长的距离会被严重更改为要么更短要么更长）
我正在尝试了解如何使用无监督学习将我的数据分成集群。例如，k-means 方法。
我有 20 列数据，如何将其投影到 2D 表面上而不丢失 18 列的必要信息？
我应该用什么来做到这一点？
任何帮助将不胜感激。
如果您只是对查看二维数据感兴趣，请考虑使用 t-SNE。 scikit-learn python 包有一个很好的实现，您可以使用。但是，请记住，您不应该将数据聚类到 t-SNE 输出上，因为 space 您的数据所在的过程在此过程中会充分扭曲（仅保留短距离，而较长的距离会被严重更改为要么更短要么更长）