Kmeans聚类

一、特征预处理

1、处理缺失、异常值

缺失值直接补0

异常值可以设置一个阈值，比如小于数据的1分位数，或者大于95分位数，就把数据进行四舍五入，用相应的分位数赋值，这样可以减少异常值对于聚类的影响。因为聚类一般计算的是距离，有异常值影响会比较大

2、最大最小归一化，消除特征量纲影响，或者标准化也可以

from sklearn.preprocessing import MinMaxScaler
min_max_scaler = MinMaxScaler()
feature_minmax = min_max_scaler.fit_transform(np.array(feature))

3、如果特征维度较多，存在共线性，可以用pca进行降维

def get_pca(data_array):
  tmp_std = StandardScaler().fit_transform(data_array)
  pca = PCA(n_components=0.9)
  tmp_principalComponents = pca.fit_transform(tmp_std)
  min_max_scaler = MinMaxScaler()
  tmp_principalComponents_1=min_max_scaler.fit_transform(tmp_principalComponents)
  print('pca保留的维度：', tmp_principalComponents_1.shape)
  return tmp_principalComponents_1

#检验特征的相关性
plt.rcParams['figure.figsize'] =