Untitled
unknown
plain_text
a year ago
1.1 kB
5
Indexable
from sklearn.cluster import KMeans from sklearn.decomposition import PCA from mpl_toolkits.mplot3d import Axes3D # Выполняем кластеризацию снова для получения меток кластеров kmeans = KMeans(n_clusters=4, random_state=0).fit(features_scaled) y_kmeans = kmeans.labels_ # Выполняем PCA для уменьшения размерности до 3 pca = PCA(n_components=3) features_pca_3d = pca.fit_transform(features_scaled) # Визуализация результатов PCA fig = plt.figure(figsize=(10, 8)) ax = fig.add_subplot(111, projection='3d') # Различные цвета для различных кластеров colors = ['blue', 'green', 'red', 'purple'] for i in range(4): ax.scatter(features_pca_3d[y_kmeans == i, 0], features_pca_3d[y_kmeans == i, 1], features_pca_3d[y_kmeans == i, 2], c=colors[i], label=f'Cluster {i}') ax.set_title('3D PCA Visualization of Client Clusters') ax.set_xlabel('PC1') ax.set_ylabel('PC2') ax.set_zlabel('PC3') ax.legend() plt.show()
Editor is loading...
Leave a Comment