如何在 Python 中分析 t-SNE(KMeans) 结果？

Question

我已将 t-SNE 用于 KMeans 聚类，但在获得 t-SNE result 后，我无法理解如何将其与原始数据联系起来。有人可以帮我理解结果吗？接下来我应该怎么做才能通过与我的原始数据进行比较来更好地理解结果？

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()

Answer 1

这个 tSNE 结果在我看来是随机的。

检查此highly voted answer on stats.SE。第三张图片显示的结构比你的要多 - 并且它被证明是错误的结构......

不要过度解释它。无论如何，这可能是错误的。

首先改进您的预处理。您 90% 的工作将是数据准备。