如果我在特征向量上应用PCA然后进行聚类，如下所示：
reduced_data = PCA(n_components=2).fit_transform(data)
kmeans = KMeans(init='k-means++', n_clusters=n_digits, n_init=10)
kmeans.fit(reduced_data)
减少的数据将是PCA组件，所以之后 在kmean中聚类，您可以获得每个点的标签 （reduced_data），如何从原始数据中知道哪一个？
如何玩多个PCA组件的数量 集群？感谢。
答案 0 :(得分：1)
PCA会将您指定的维数从n（在您的问题中未知）减少到n_components = 2.标签不会更改，数据矩阵中的行不会被切换。您可以将生成的聚类直接映射到原始数据。
n_components的选择取决于与原始数据相比保留的方差。首先，k-means不稳健，因此您必须多次初始化并将结果与给定的n_components进行比较。其次，您可能希望根据您可以绘制的关联特征值选择变量n_components。 此外，PCA对缩放敏感，因此您应该在PCA之前考虑标准化。 因此，为了回答你的问题，n_components的选择应该来自对要保留的方差的想法，而不是你想要实现的簇的数量。
另一个想法：您可以使用聚类算法而不是使用K-Means，而不需要聚类的目标numbner作为输入，例如DBSCAN。