如何使用 Python 的特征聚合进行降维？ [关闭]答案

【问题标题】：How to use Python's feature agglomeration for dimensionality reduction? [closed]如何使用 Python 的特征聚合进行降维？ [关闭]
【发布时间】：2017-08-11 00:22:00
【问题描述】：

我搜索了在 Python 中实现降维的方法，这是我得到的结果：http://scikit-learn.org/stable/modules/unsupervised_reduction.html。该网站显示的最后一种方法是特征集聚。我点击了该 python 方法的文档链接，但我仍然不确定如何使用它。

如果之前有人使用过 Python 的特征聚合方法，能否解释一下它是如何工作的（输入、输出等）？谢谢！

【问题讨论】：

标签： python machine-learning scikit-learn feature-extraction dimensionality-reduction

【解决方案1】：

您可以使用 numpy 数组或 pandas 数据框作为 sklearn.cluster.FeatureAgglomeration 的输入

输出是一个 numpy 数组，行数等于数据集中的行数，列数等于 FeatureAgglomeration 中设置的 n_clusters 参数。

from sklearn.cluster import FeatureAgglomeration
import pandas as pd
import matplotlib.pyplot as plt

#iris.data from https://archive.ics.uci.edu/ml/machine-learning-databases/iris/
iris=pd.read_csv('iris.data',sep=',',header=None)
#store labels
label=iris[4]
iris=iris.drop([4],1)

#set n_clusters to 2, the output will be two columns of agglomerated features ( iris has 4 features)
agglo=FeatureAgglomeration(n_clusters=2).fit_transform(iris)

#plotting
color=[]
for i in label:
    if i=='Iris-setosa':
        color.append('g')
    if  i=='Iris-versicolor':
        color.append('b')
    if i=='Iris-virginica':
        color.append('r')
plt.scatter(agglo[:,0],agglo[:,1],c=color)
plt.show()

【讨论】：