tSNE—高维数据降维可视化（实践部分）-Kmeans聚类

最新推荐文章于 2025-04-18 10:01:19 发布

令狐公子

最新推荐文章于 2025-04-18 10:01:19 发布

阅读量2w

点赞数 9

分类专栏： Machine Learning 文章标签： t-SNE 高维数据可视化降维 Kmeans 聚类

本文链接：https://blog.youkuaiyun.com/qq_14959801/article/details/80901711

版权

import pandas as pd
cust_sale=pd.read_excel('C:/Users/XI/fzql.xls')
cust_sale=pd.merge(temp1,temp2,on='CUST_ID',how='inner')
cust_sale=cust_sale.dropna()
cust_sale.head()

import sklearn.preprocessing as preprocessing#方法一
min_max_scaler = preprocessing.MinMaxScaler()
cust_sale.loc[:,['特征一','特征二','特征三','特征四','特征五']]=min_max_scaler.fit_transform(cust_sale[['特征一','特征二','特征三','特征四','特征五']].values)#数据归一化,按比例映射到(01)区间
cust_sale.head()

from sklearn import preprocessing#方法二
cust_sale=cust_sale.dropna()
cust_sale[['特征一','特征二','特征三','特征四','特征五']] = preprocessing.scale(cust_sale[['特征一','特征二','特征三','特征四','特征五']])#指定均值方差按列标准化！(默认mean=0,std=1)
print('mean:', cust_sale[["特征一","特征二"]].mean(axis