PCA降维以及Kmeans聚类实例----python,sklearn,PCA,Kmeans_对 mnist 数据库进行 pca 降维和 k-means 聚类-CSDN博客

本文链接：https://blog.csdn.net/playgoon2/article/details/77326045

本文介绍如何使用PCA算法进行数据降维，并结合KMeans算法进行快速聚类分析。通过Python的sklearn库实现，展示了从数据读取到聚类结果输出的完整流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PCA 算法也叫主成分分析（principal components analysis），主要是用于数据降维的。关于降维，可以这样理解，一组数据有n个feature（客户年龄，收入，每个月消费额度等等），每一个feature有一系列的观测点。而这n个feature中有一些存在线性相关，比如对于某些群体而言，收入和消费是线性相关的。此时我们进行多维度数据分析时只需要考虑其中一个参数就可以足够了，这样就能减少一个feature（维度），PCA方法就是用严谨的数据方法实现了这一过程。具体原理见下文，写十分清楚：

http://blog.codinglabs.org/articles/pca-tutorial.html

本例子主要介绍了sklearn中PCA的简单实现以及在降维后的快速聚类：

以下为输入数据

from sklearn.decomposition import PCA
from sklearn.cluster import KMeans
import pandas as pd
import numpy as np
#pca.txt是一个没有表头的多维数据，一共有7列，利用pandas读取
df = pd.read_table('d:/PCA.txt')
#将df转换成矩阵
dataMat = np.array(df)
#调用sklearn中的PCA，其中主成分有5列
pca_sk = PCA(n_components=5)
#利用PCA进行降维，数据存在newMat中
newMat = pca_sk.fit_transform(dataMat)
#利用KMeans进行聚类，分为3类
kmeans = KMeans(n_clusters=3,random_state=0).fit(newMat)
#labels为分类的标签
labels = kmeans.labels_
#把标签加入到矩阵中用DataFrame生成新的df，index为类别的编号，这里是0,1,2
dataDf = pd.DataFrame(newMat,index=labels,columns=['x1','x2','x3','x4','x5'])
#数据保存在excel文件中
dataDf.to_excel('d:/pca_cluster.xls')
print(pca_sk.explained_variance_ratio_)

输出：

[ 0.85847673 0.09840701 0.0223092 0.01740787 0.00304186]

结果为每一列所占特征方差的百分比，总和为0.9996说明降维保持了原数据的特征

excel数据输出结果为