У меня есть фрейм данных, состоящий из данных о сделках, каждая строка - это сделка, а каждый столбец - это, например, функция. тип актива. Поскольку большинство из них категорически, я применил kmodes к этим данным. Когда я запускаю алгоритм kmodes, используя это https://pypi.org/project/kmodes/, я не уверен, что когда у меня появятся центроиды, какие функции принадлежат каждому кластеру. Как мне применить какое-то PCA / многомерное масштабирование к этому? Не уверен, как я тогда вижу, какие функции принадлежат каждой категории / какие функции важны.
km = KModes(n_clusters=4, init='Huang', n_init=5, verbose=1)
clusters = km.fit_predict(Trade_DataFrame)
print(km.cluster_centroids_)
Trade_DataFrame['clusters']=clusters ## how do i use this to see what features belong to each
Я получил это в результате, но не уверен, что это значит, почему 4 был лучшим? Потому что у него была самая низкая стоимость?
Run 4, iteration: 1/100, moves: 1692, cost: 118602.0
Run 4, iteration: 2/100, moves: 659, cost: 117828.0
Run 4, iteration: 3/100, moves: 242, cost: 117828.0
Init: initializing centroids
Init: initializing clusters
Starting iterations...
Run 5, iteration: 1/100, moves: 1486, cost: 121893.0
Run 5, iteration: 2/100, moves: 66, cost: 121893.0
Best run was number 4