我有一个特定的问题，我很惊讶我没有在网上找到答案，我希望这里有人对我有一个好的建议。我正在处理一个大型数据集，我使用自定义集群密度将其聚类到特定组中。所以原始空间是相当异构的，具有大量的特征。在模型优化期间和之后，每个数据点的责任向量是将原始特征投影到 k 维（k = 聚类数）。每个这样的向量总和为 1，这使它们成为集群空间上的（离散）分布。使用这些软分配，我总是可以创建相应混淆矩阵的热图可视化（当我有分类标签时）。通常，这些分配非常尖锐，这意味着许多向量的形式为 (0,0,1,0,0...)

现在，我希望看到按责任矩阵中的信息分组的点的 (2d) 表示。这样，我可以在不知道实际标签的情况下可视化优化过程中的每个步骤。我的第一个想法是 PCA、MDS 和图形布局算法。然而，尽管热图表明了一个清晰的分组，但 PCA 看起来确实非常密集，点排列成直线。由于 MDS 和图表使用距离，我考虑计算责任向量之间的成对 Hellinger 或推土机距离，以应用任何 MDS 或图表布局算法。然而，到目前为止，MDS 并不成功。

以前有人做过这样的事情吗？理想情况下，我希望看到聚类过程的动画，因为数据点被组合在一起。