问题
我在 Python 中实现了一个 K-Means 算法。首先,我将 PCA 和白化应用于输入数据。然后我使用 k-means 成功地从数据中减去 k 个质心。
我如何使用这些质心来理解所学的“特征”?质心是否已经是特征(对我来说似乎不是这样)还是我需要再次将它们与输入数据结合起来?
由于一些答案:K-means 不仅仅是一种聚类方法,而是一种矢量量化方法。也就是说,k-means 的目标是描述特征向量数量减少的数据集。因此,关于潜在结果,与稀疏过滤/学习等方法有很大的相似之处。
代码示例
# Perform K-means, data already pre-processed
centroids = k_means(matrix_pca_whitened,1000)
# Assign data to centroid
idx,_ = vq(song_matrix_pca,centroids)