python - 可视化 PCA 转换的数据

Question

我有一个数据集，我想在其上使用 k-means 进行聚类。
作为之前的任务，我对这些数据运行 PCA，并确定了代表我数据集几乎 90% 信息的两个组件。我想可视化这两个组件以得出一些见解。

pca = PCA(n_components=2)
data_trans = pca.fit_transform(data)
plt.scatter(data_trans[:, 0], data_trans[:, 1])

接下来，我尝试从转置矩阵可视化相同的转换数据

pca = PCA(n_components=2)
data_trans = pca.fit_transform(data.T)
plt.scatter(data_trans[:, 0], data_trans[:, 1])

最后一个图是否表明我的数据中可能有 6 个集群？如果有的话，我可以从这两张图中得出什么结论？

Answer 1

您看到的 6 个点不是集群。

它们是您的输入维度。

因为您使用了转置矩阵。

判断上面的情节，我怀疑聚类会在那里找到任何有意义的东西。异常值和一大​​块是情节包含的内容。