如何使用Python的功能集聚降维？

Question

我搜索了如何落实在Python降维，这是我得到的结果是：http://scikit-learn.org/stable/modules/unsupervised_reduction.html。该网站显示的最后一种方法是功能集聚。我点击了链接，该蟒蛇方法的文档，但我仍然不能确定如何使用它。

如果有人用Python的功能凝聚法工作之前，将有可能为你解释它是如何工作的（输入，输出等）？谢谢！

Answer 1

可以使用numpy的阵列或一个数据帧大熊猫作为输入提供给sklearn.cluster.FeatureAgglomeration

输出是一个numpy的阵列，其中在数据集中等于这些行的行和等于n_clusters列参数中设定FeatureAgglomeration 。

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()