使用 k-means 聚类算法对多维属性数据进行分类

python数据分析与挖掘 — 代码修正与项目练习：

https://blog.csdn.net/O_tongwandou/article/details/81952264

k-means高维聚类：

https://www.cnblogs.com/icydengyw/p/13591990.html

python代码实现TSNE降维数据可视化教程：

https://www.jb51.net/article/181578.htm

sklearn中的降维PCA与TSNE：

https://blog.csdn.net/qq_27584277/article/details/80770047

同为降维工具，二者的主要区别在于，

所在的包不同（也即机制和原理不同）

from sklearn.decomposition import PCA
from sklearn.manifold import TSNE

因为原理不同，导致，tsne 保留下的属性信息，更具代表性，也即最能体现样本间的差异；
TSNE 运行极慢，PCA 则相对较快；
因此更为一般的处理，尤其在展示（可视化）高维数据时，常常先用 PCA 进行降维，再使用 tsne：

data_pca = PCA(n_components=50).fit_transform(data)
data_pca_tsne = TSNE(n_components=2).fit_transform(data_pca)转载https://blog.csdn.net/lanchunhui/article/details/64923702

几种常见的聚类评价指标：

https://zhuanlan.zhihu.com/p/343667804

聚类效果好坏的评价指标（附代码）：

https://zhuanlan.zhihu.com/p/57342770

聚类 | 超详细的性能度量和相似度方法总结：

https://blog.csdn.net/fengdu78/article/details/103951665

聚类︱python实现 六大 分群质量评估指标（兰德系数、互信息、轮廓系数）:

https://blog.csdn.net/sinat_26917383/article/details/70577710

聚类结果不好怎么办_人脸聚类常用评价指标：

https://blog.csdn.net/weixin_39628271/article/details/111007803

周志华西瓜书提到对聚类性能的指标：
外部指标和内部指标

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！