应用PCA后理解簇的K-均值

Question

我有一个按客户级别分组的数据集，行是sum_mexico、sum_uk、.等等，以表示客户是否在这些countries..similarily中的商店花了钱，这些也算在内。我最后有200列。

我想对这些数据进行聚类，观察它们的消费习惯，看看是否可以根据这些特性对它们进行分组。我不确定哪种聚类方法最好，但我想为业务提供有意义的结果。

我读过关于使用PCA然后k-方法的文章。例如，你可以在你的原则组件上执行K-表示。我不明白的是，我如何解释结果。例如，我从https://365datascience.com/tutorials/python-tutorials/pca-k-means/获得了以下情况：

我可以直观地看到4个集群，但是如何才能获得每个集群的特征。关于第一组，我能说些什么?例如，它们的特点是在墨西哥的开支很高吗？(假设我自己使用自己的数据和链接中的步骤获得了这些结果！)我的最终目标是了解每个集群的特点，例如，某些客户IDS在西班牙和葡萄酒等方面的花费很高。

Answer 1

PCA消除了与原始特征的联系，因此在主分量空间中对可视化的解释并不是很有意义。

例如，集群A具有较高的PC1值，其中集群B具有较高的PC2值。

如果您清楚地看到PC1只是特性X的代表，那么很好，但这并不是经常发生的情况。

相反，使用PCA来发现哪些功能最能代表数据，并使用它来删除不必要的(无代表性的)功能，这样您就可以使用其最重要的原始特性来可视化原始数据。因此，用有意义的差异来描述聚类。

您可能需要尝试一个散射矩阵，以探索哪些特性空间在集群之间有最清晰的区别。