KMeans聚类中为何用.argsort()[:,::-1]而非.argsort()获取关键词？

首先得明确：Sklearn的KMeans输出的cluster_centers_里的数值，不是词汇到质心的距离，而是该词汇在对应聚类中的特征权重均值（比如你用TF-IDF做文本特征的话，这个值就是该聚类所有样本中这个词汇的TF-IDF均值）。

所以我们要找的「聚类顶部词汇」，是那些权重最高、最能代表聚类主题的词汇，也就是cluster_centers_里数值最大的那些，而不是最小的。

• 默认的.argsort()会返回数值从小到大的索引，比如你例子里得到的[2 5 8 6 0 4 7 3 1 9]，对应的是权重从0到0.3257的词汇，这些靠前的都是权重极低甚至为0的词，根本不能代表聚类主题。
• 而.argsort()[:,::-1]是把升序的索引结果反转，变成从大到小的顺序，这样排在前面的就是权重最高的词汇，也就是我们需要的聚类核心词汇。

拿你给的例子说：索引9的user权重0.3257是最大的，说明这个词在该聚类里出现的频率/重要性最高，是这个聚类的代表性词汇；而索引2的graph权重为0，说明该聚类里几乎没有这个词，完全不能代表聚类主题。

你的误解源于把cluster_centers_的特征值当成了词汇到质心的距离，实际它是词汇在聚类中的权重值，所以用.argsort()[:,::-1]才是正确获取聚类顶部核心词汇的方式。

内容的提问来源于stack exchange，提问作者Bits