Как проанализировать результат t-SNE(KMeans) в Python?
Я использовал t-SNE для кластеризации KMeans, но после получения результата t-SNE я не мог понять, как я могу связать это с моими исходными данными. Может ли кто-нибудь помочь мне понять результат, и что мне делать дальше, чтобы лучше понять результат, сравнивая мои исходные данные?
from sklearn.manifold import TSNE
fig, ax = plt.subplots(figsize = (10,8))
data = df2[['First_Policy_Year','Customer_Age','Educational_Degree','Customer_Monetary_Value','Total_Premium']].values
kmeans_clustering = KMeans( n_clusters = 3 )
idx = kmeans_clustering.fit_predict( data )
#use t-sne
X = TSNE(n_components=2, perplexity=10).fit_transform( data )
#fig = plt.figure(1)
#plt.clf()
#plot graph
colors = np.array([x for x in 'bgrcmykbgrcmykbgrcmykbgrcmyk'])
plt.scatter(X[:,0], X[:,1], c=colors[kmeans_clustering.labels_])
plt.title('K-Means (t-SNE)')
plt.show()
1 ответ
Этот результат tSNE выглядит случайным для меня.
Проверьте этот высоко оцененный ответ на stats.SE. Третье изображение показывает больше структуры, чем у вас - и показано, что это неправильная структура...
Не переоценивайте это. В любом случае это, вероятно, неверно.
Улучшите вашу предварительную обработку в первую очередь. 90% вашей работы будет подготовка данных.