【发布时间】：2022-10-02 12:05:17
【问题描述】：
我正在尝试通过引导程序分析聚类结果的稳定性。这个想法是重新运行算法 4 到 5 次，并绘制数据点如何从一个集群流向另一个集群。这是通过所谓的冲积地块完成的。理想情况下，每次运行后数据点都留在同一个集群中。
ME 非常初步，非常感谢您的意见：
from sklearn.utils import resample
import alluvial
cluster_labels = [];
for x in range(3):
boot = resample(tsne_2d, replace=False, n_samples=2000)
kmeans = KMeans(
n_clusters=3, init=\'random\',
n_init=10, max_iter=300,
tol=1e-04, random_state=0
).fit(boot)
cluster_labels.append(kmeans.labels_)
cluster_labels = pd.DataFrame(cluster_labels)
cluster_labels = np.array(cluster_labels).transpose()
cluster_labels = pd.DataFrame(cluster_labels)
cmap = plt.cm.get_cmap(\'jet\')
ax = alluvial.plot(
cluster_labels, alpha=0.4, color_side=1, rand_seed=1, figsize=(7,5),
disp_width=True, wdisp_sep=\' \'*2, cmap=cmap, fontname=\'Monospace\',
labels=(\'Capitals\', \'Double Capitals\'), label_shift=2)
ax.set_title(\'Utility display\', fontsize=14, fontname=\'Monospace\')
plt.show()
标签： python plotly cluster-analysis