Skip to main content
 首页 » 编程设计

python之在集群中打印主要特征(python)

2025年04月02日14wayfarer

我有一个 mxn 矩阵,具有 m 个特征和 n 个样本。该矩阵称为 term_individual。聚类是使用 scikitlearn 完成的:

from sklearn.cluster import KMeans 
 
kmeans = KMeans(n_clusters=n_clusters) 
kmeans.fit(term_individual.T) 
centroids = kmeans.cluster_centers_.squeeze() 
labels = kmeans.labels_ 

每个样本都是一个用正整数填充的向量。如果样本的第 i 个分量为 n,则表示第 i 个特征在该样本中出现了 n 次。

我想知道每个集群最有代表性的特征。例如,假设第 i 个特征在第一个和第二个样本中多次出现,导致这些样本与许多其他也存在第 i 个特征的样本位于同一簇中。我想打印该特征(或与之关联的索引,即打印 i)。

感谢您的帮助。

请您参考如下方法:

看来您要问的问题是哪些功能对每个集群最重要。本质上,您可以开始估计每个集群中每个特征的 zscore 平均值:

def cluster_feature_importance(X, Y, feature_importances): 
    N, M = X.shape 
    X = scale(X) 
 
    out = {} 
    for c in set(Y): 
        out[c] = dict( 
            zip(range(N), np.mean(X[Y==c, :], axis=0)) 
        ) 
 
    return out 

X 是您的矩阵 term_individual 和 Y 作为列表,告知每个样本属于哪个集群,例如像这样:[0, 0, 1, 1, 0, 3, 2, 2, 3, 0, ...] 其中 Y 是 n 长。