如何使用Python的特征聚合进行降维？

Question

我搜索了Python中实现降维的方法，得到了以下结果：http://scikit-learn.org/stable/modules/unsupervised_reduction.html。该网站中展示的最后一种方法是特征聚合。我点击了该Python方法的文档链接，但仍然不确定如何使用它。

如果有人之前使用过Python的特征聚合方法，能否解释一下它的工作原理（输入、输出等）？谢谢！

- Cynthia

Answer 1

你可以使用numpy数组或pandas数据框作为输入到sklearn.cluster.FeatureAgglomeration中。

输出是一个numpy数组，行数等于数据集中的行数，列数等于在FeatureAgglomeration中设置的n_clusters参数。

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()

- Vivek-Ananth