使用 KMeans 时为每个质心获取超过 2 个坐标答案

【问题标题】：Getting more than 2 co-ordinates for each Centroids while using KMeans使用 KMeans 时为每个质心获取超过 2 个坐标
【发布时间】：2020-12-13 09:09:19
【问题描述】：

我是机器学习的新手，我正在使用

from sklearn import datasets
iris=datasets.load_iris()

了解 KMeans。所以我用数据来拟合像这样的KMeans

kmeans=KMeans(n_clusters=1,random_state=42).fit(iris['data'])
print(kmeans.cluster_centers_)

我看到的是，我得到 4 个坐标而不是 2 个

[[5.84333333 3.05733333 3.758 1.19933333]]

我通过article 了解了 KMeans，但本文还使用两个坐标进行了演示

问题

为什么我得到 4 个协调员而不是 2 个，我做错了什么，我错过了什么

【问题讨论】：

标签： machine-learning k-means unsupervised-learning

【解决方案1】：

鸢尾花数据集包含 4 个特征描述三种不同类型的花（即 3 个类别）。因此，数据集中的每个点都位于一个 4 维空间中，质心也是如此，因此要描述它们的位置，您需要 4 个坐标。

在示例中，使用 2 维数据（有时是 3 维）更容易，因为它更易于绘制和显示以用于教学目的，但质心的坐标与数据的维度（即特征)，因此对于 Iris 数据集，您会期望 4 个坐标。

【讨论】：