如何确定 K-means 和散点图使用哪个 `x` 参数？

Question

我正在尝试在 Python 中实现和可视化 K-means 算法代码。我有一个使用 make_blobs 创建的数据集，然后我使用 K-means 拟合数据并使用 matplotlib.pyplot.scatter.

可视化结果

这是我的代码：

导入和数据创建步骤

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

n_samples = 3000
random_state = 1182

X, y = make_blobs(n_samples=n_samples, random_state=random_state)
# X.shape = (3000, 2)
# y.shape = (3000,) -> y's values range from 0 to 2.

原始数据的散点图

plt.scatter(X[:, 0], X[:, 1])
plt.title("Original Dataset Scatter Plot")
plt.xlabel("X[:, 0]")
plt.ylabel("X[:, 1]")
plt.show()

K-Means训练和可视化

kmeans_model = KMeans(n_clusters=3, random_state=1)
kmeans_model.fit(X)

colors = { 0: 'r',
           1: 'b',
           2: 'g'}

label_color = [colors[l] for l in y]
plt.scatter(X[:, 0], kmeans_model.labels_, c=label_color)
plt.title("K-Means Scatter Plot")
plt.xlabel("X[:, 0]")
plt.ylabel("Labels")
plt.show()

我的问题是：当我使用 plt.scatter 和 X[:, 1] 而不是 X[:, 0] 时，就像我在给定代码中所做的那样，我得到一个不同的图，尽管具有相同的簇：

这是否仍然被认为是 K-means 和散点图的正确实现和使用？如果是这样，是否有特殊原因应该选择某些 x 值而不是其他值？

Answer 1

这是一种非常奇怪的集群可视化方式。如果你想看看你的模型有多好，你只需要像在第一张图中那样绘制所有的斑点，然后提供一个着色序列 label_color。

plt.scatter(X[:,0], X[:,1], c=label_color)

您使用 X[:,0] 或 X[:,1] 的问题设置不正确。这两个维度都代表数据，您的图表在某种程度上是正确的，但它们不可解释。

Answer 2

您的K-means同时考虑了X[:,0]和X[:,1]。聚类是在二维上完成的。
呈现 K-Means 的正确方法是显示两个维度，并使用着色（就像您所做的那样）。

关于你的问题 - 不同的原因是你使用 1 个图表的第一个维度，因此你根据那里的 [:,0] 坐标显示点，而在第二个中你根据 [:,1].

正确的方法是使用两个坐标，使用着色，如果可能 - 添加簇质心总是很好：

正在更改您的代码：

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

n_samples = 3000
random_state = 1182

X, y = make_blobs(n_samples=n_samples, random_state=random_state)

kmeans_model = KMeans(n_clusters=3, random_state=1)
kmeans_model.fit(X)

colors = { 0: 'r',
           1: 'b',
           2: 'g'}

label_color = [colors[l] for l in y]
plt.scatter(X[:, 0],X[:,1], c=label_color, s=10)
plt.scatter(kmeans_model.cluster_centers_[:,0],kmeans_model.cluster_centers_[:,1],s=300,marker='+',c='y')
plt.title("K-Means Scatter Plot")
plt.xlabel("X[:, 0]")
plt.ylabel("Labels")
plt.show()

将产生：

请注意，我为集群质心添加了一条线。

如何确定 K-means 和散点图使用哪个 `x` 参数？

How to determine which `x` argument to use for K-means and scatter plots?

python

scatter-plot

k-means