我在Python中搜索了实现降维的方法，得到的结果是：http://scikit-learn.org/stable/modules/unsupervised_reduction.html。该网站展示的最后一种方法是特征聚合。我点击了该Python方法的文档链接，但仍不确定如何使用它。

如果有人之前使用过Python的特征聚合方法，能否解释一下它的工作原理（输入、输出等）？谢谢！

回答：

您可以使用numpy数组或pandas数据框作为sklearn.cluster.FeatureAgglomeration的输入

输出是一个numpy数组，其行数等于数据集的行数，列数等于FeatureAgglomeration中设置的n_clusters参数。

from sklearn.cluster import FeatureAgglomerationimport pandas as pdimport matplotlib.pyplot as plt#iris.data来自https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris=pd.read_csv('iris.data',sep=',',header=None)#存储标签label=iris[4]iris=iris.drop([4],1)#将n_clusters设置为2，输出将是聚合特征的两列（iris有4个特征）agglo=FeatureAgglomeration(n_clusters=2).fit_transform(iris)#绘图color=[]for i in label:    if i=='Iris-setosa':        color.append('g')    if  i=='Iris-versicolor':        color.append('b')    if i=='Iris-virginica':        color.append('r')plt.scatter(agglo[:,0],agglo[:,1],c=color)plt.show()