如何利用Python的特征聚集进行降维？

Question

我研究了在Python中实现维度缩减的方法，得到的结果是：http://scikit-learn.org/stable/modules/unsupervised_reduction.html。最后一种在该网站上展示的方法是特征聚合。我点击了那个python方法的文档链接，但是我仍然不确定如何使用它。在

如果以前有人使用过Python的特性聚合方法，您是否可以解释一下它是如何工作的（输入、输出等）？谢谢！在

Answer 1

可以使用numpy数组或pandas数据帧作为sklearn.cluster.featureCongregation公司在

输出是一个numpy数组，行等于数据集中的行，列等于featureaggregation中的n_clusters参数。在

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()