有没有一种特殊的方法可以将 3 维数组转换为 2 维数组以进行聚类？

Question

我有一个 shape=(3, 60000, 10) 的 3 维数组，它需要是二维的，以便在聚类时能够将其可视化。

我正计划实现从 scikit-learn 到 3-d 数组的 k-means 聚类，并且读到它只采用 2-D 形状，我只是想得到一些关于是否有正确方法的建议去做吧？我本来打算制作它 (60000,30) ，但在我继续之前想要澄清一下。

Answer 1

(600000 , 30) 可能不是一个好主意。 K-means 聚类使用距离度量来定义聚类，通常是欧氏距离，但是当您增加第二个维度中的变量数量时，您会陷入 curse of dimensionality 聚类结果将不再有意义的状态。

您当然可以尝试 (600000, 30) 并查看它是否有效，但如果无效，您将需要进行降维，例如通过执行 PCA 并使用 principal组件进行聚类。

编辑我可能会尝试解释我所说的维度及其引起的问题，因为这似乎有些混乱。

大小为 (100, 2) 的二维数组是二维数据，即它是 2 个变量的 100 个观测值。这些点之间的趋势线将是一维对象（线），您可以将其绘制在二维平面上。同样，(100, 3) 数组是 3 维的，趋势线是 2d 平面，您可以在 3d 图表上绘制这些点。

则(100, 100)数组是100维的。趋势是一个 99 维的超平面，即使在原则上你也无法想象。现在让我们看看这会导致什么问题。让我们定义一个计算欧氏距离的简单函数：

def distance(x, y):
    return sum((i - j)**2 for i, j in zip(x, y))**0.5

该函数将两个可迭代对象作为参数并计算它们之间的欧氏距离。现在让我们尝试一些简单的事情：

v1 = (1, 1)
v2 = (2, 2)
v3 = (100, 100)
v4 = (120, 120)

>> distance(v1, v2)
Out: 1.4142135623730951
>> distance(v1, v3)
Out: 140.0071426749364
>> distance(v1, v4)
Out: 168.2914139223983

如果我们使这些元组成为 3 维的，并在所有维度上保持相同的值，则距离分别变为：1.73、171.47、206.11。

现在是有趣的部分 - 让我们添加一堆用“1”填充的维度：

v1 = [1, 1, 1] + list(1 for i in range(47))
v2 = [2, 2, 2] + list(1 for i in range(47))
v2 = [100, 100, 100] + list(1 for i in range(47))
v4 = [120, 120, 120] + list(1 for i in range(47))

>>> distance(v1, v2)
171.47302994931886

>>> distance(v1, v3)
175.16278143486988

>>> distance(v1, v4)
206.11404610069638

所以在这里我们增加了维度，但没有添加额外的信息来分离变量，突然间看起来像两个不同的集群不再如此定义，事实上 v1、v2 和 v3 看起来更像是它们属于一起，而 v4 是一个局外人.

这在大多数情况下也会发生，除非更高维度继续前三个的模式，即 (1, 1, 1...), (2, 2, 2,..), (100 , 100, 100...), (120, 120, 120,...)。但在大多数情况下，你会看到距离缩小，簇变得难以区分。

Answer 2

我的理解是，您有 10 个特征，每个特征都由 3d 数据组成。您打算将所有 10 个特征聚类吗？如果这样重塑它，使你有 600000 x 3 个点（假设你想在 space 中分开）。例如这个

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt, numpy as np

# 3x points
data = np.random.rand(100, 3, 10) + np.arange(10) # add arbitrary offset for "difference" in real data
data = np.moveaxis(data, -1, 1).reshape(-1, 3) 
n_clus = 10 # cluster in 10 --> fill in with your goal in mind
km = KMeans(n_clusters = n_clus).fit(data)

fig, ax = plt.subplots(subplot_kw = dict(projection = '3d'))
colors = plt.cm.tab20(np.linspace(0, 1, n_clus))
ax.scatter(*data.T, c = colors[km.labels_])
fig.show()

产量

有没有一种特殊的方法可以将 3 维数组转换为 2 维数组以进行聚类？

Is there a particular way to convert 3-d array to 2-d array for clustering?

python

arrays

numpy

scikit-learn

cluster-analysis