如何使用tSNE和kmeans质心找到质心对应的原始数据点？
我使用t-SNE将我的数据集的维度从18降低到2，然后我使用k均值来聚类2D数据点。
使用这个，print（kmeans.cluster\u centers）我现在有一个簇的2D质心数组，但我想得到这些质心对应的18D原始数据点。
有没有办法让t-SNE倒转？谢谢
共有1个答案
不幸的是，答案是否定的，没有。
t-SNE基于概率论分别计算每个点的非线性映射。它既不提供连续定义的函数，也不提供其逆函数。
您可以尝试根据簇成员插值18D坐标。
一般来说，你可能会重新考虑在t-SNE结果上运行k-means的意义。
-
我正在用python实现kmeans算法。我正在测试初始化质心的新方法，并希望实现它，看看它会对集群产生什么影响。 我的想法是从我的数据集中选择数据点，使质心初始化为数据的边缘点。 简单示例2属性示例： 假设这是我的输入数组 我想从这个数组中选择[3,3][3，-3][3,3][3，-3]的边点。所以如果我的k是4，这些点会被选中 在我工作的数据有4和9个属性和大约300个数据点在我的数据集中 注
-
我必须找到多个矩形（最小有界矩形）的确切质心。让我有，3个矩形及其坐标，用于最大和最小点 第一个矩形的最小点（x1，y1），最大点（x2，y2） 第二个矩形的最小点（x3，y3），最大点（x4，y4） 第三个矩形的最小点（x5， y5），最大点（x6， y6） 我想到的快速解决方案是，通过考虑这6个点的组合，我将找到可能的质心列表，然后取这些质心的最小有界矩形。它会给我一个矩形R，这个矩形的质心是
-
我有一个多个圆圈的图像，圆圈内有热点区域，具有高强度（高像素值）和冷点区域（低像素值）。我想用Python中的OpenCV计算每个圆的加权质心。我正在使用这段代码： 好的，这段代码只需获取二值图像，提取所有圆，并找到每个圆的轮廓。 问题是，我需要找到RGB/灰度图像（考虑像素强度）的加权质心，而不是二值图像。我该怎么做？ 非常感谢。
-
问题内容： 我试图分别从ArrayList的点加起来所有x和y coordiantes。 我如何找到质心？ 问题答案：
-
我正在尝试使用Java代码和com4j连接到HP Quality Center V11，但不断出现以下错误。谁能看看这个错误吗？ 当我在浏览器中使用URL并使用相同的凭据登录时，我就可以登录了。我仔细检查了我的域名、url、Id和密码的拼写。。 我得到的错误是： 我用来连接的代码
-
我想从二值图像中得到圆形状的质心，但输出给出了不止一个质心。我使用的是opencv web教程文档中关于图像时刻和修改的代码。供参考，我使用的是C++API OpenCV。 输出结果是： 我预计，文本输出可能会从3个轮廓中给出3个质心，但实际上是7个轮廓（轮廓[0]，...，轮廓[6])。