Como plotar clusters de uma maneira agradável?

Eu tenho um grande conjunto de dados de texto em cluster. Cada cluster é representado por um centróide dos textos vetorizados que pertencem a ele, o número de textos, a data de criação e outros parâmetros. Não consigo plotar os agrupamentos em um espaço n-dimensional. Quais opções eu tenho?

T-SNE é outro algoritmo de redução de dimensionalidade não mencionado no artigo na outra resposta. Usado para dados com MUITO alta dimensão, se você treinou algumas incorporações para o seu conjunto de dados. Referência aqui . Biblioteca padrão do Python aqui .

Felicidades

Várias opções:

• Incorporação localmente linear (LLE) : esse método constrói um conjunto de amostras geométricas locais em cada uma das quais um ponto de dados é reconstruído através da soma ponderada de seu vizinho mais próximo K e mapeia essas amostras em um espaço dimensional inferior. Encontre o código aqui e aconselho vivamente a usar o LLE e o LLE modificado e usar o melhor (visualmente).
• t-SNE : mapeia a semelhança de pontos em alta dimensão, em um coletor de baixa dimensão extraído por sua distância na distribuição t. Tenha cuidado para ajustar os parâmetros corretamente .
• Incorporação espectral : Clustering espectral de fato (ou, para ser mais preciso, o Clustering espectral é de fato um agrupamento simples na versão de dados do Spectrally Embedded). Ele projeta os dados nos vetores próprios do seu Laplaciano de acordo com a magnitude dos valores próprios correspondentes.

muito mais ...

Você pode usar um algoritmo de redução de dimensionalidade (como a análise de componentes principais) para reduzir o número de dimensões dos dados para 2 ou 3 e, em seguida, executar gráficos de dispersão usando as variáveis ​​reduzidas, colorindo-as de acordo com o cluster ao qual pertencem. Em este blogpost uma coisa semelhante é feito.