是否有可能在sklearn中扭转KMeans的转变？
Dro*_*man 0 python machine-learning k-means dimensionality-reduction scikit-learn
聚类数据集,然后将数据转换为使用sklearn.cluster.KMeans从质心的距离后,才可能扭转改造,给出的质心,找回原来的特点是什么？
不,这是不可能的.任何降维技术通常都是有损操作.如果您丢弃某些尺寸,则无法获取此信息.通常,即对于一些可能的数据集.可能存在一些数据集,其中一些信息是冗余的 - 如果特定的降维技术将能够完美地利用这一点,则可以进行完美的逆变换.
在下图中我画了一个简单的例子.您可以将3D空间中的许多不同点配置投影到2D空间中的相同点配置.因此,只给出2D空间,无法猜测这些点来自哪个3D配置.您不知道其z坐标的值,并且存在无限多种可能性.
- 最近的聚类中心已经由`km.cluster_centers_ [km.predict(X)]`给出.我不会发现一个好的`inverse_transform`,因为它忽略了其输入的一个维度. (2认同)
| 归档时间： |
|
| 查看次数： |
993 次 |
| 最近记录： |