使用KMeans时，每个质心获得超过2个坐标

我是机器学习的新手，我使用

from sklearn import datasetsiris=datasets.load_iris()

来学习KMeans。因此，我使用如下方式拟合数据：

kmeans=KMeans(n_clusters=1,random_state=42).fit(iris['data'])print(kmeans.cluster_centers_)

结果我发现，我得到了4个坐标而不是2个

[[5.84333333 3.05733333 3.758 1.19933333]]

我查阅了这篇文章来学习KMeans，但这篇文章也仅展示了两个坐标的例子

问题

为什么我得到了4个坐标而不是2个？我哪里做错了？我遗漏了什么？

回答：

Iris数据集包含描述三种不同类型花朵（即3个类别）的4个特征。因此，数据集中每个点都位于一个4维空间中，质心也是如此，因此要描述它们的位置需要4个坐标。

在例子中，使用二维数据（有时是三维）更容易，因为这样更容易绘图和展示用于教学目的，但质心将具有与数据维度（即特征）一样多的坐标，因此对于Iris数据集，你会期望得到4个坐标。

学技术