您有一个包含数千个特征和每个客户的许多数字列的客户购物行为数据集。您希望快速找到客户之间的自然分组并可视化结果。您应该怎么做？

t-SNE（t 分布随机邻居嵌入）是一种降维技术，特别适用于高维数据的可视化。它能够将高维数据映射到二维或三维空间，同时保留数据点之间的局部结构，从而揭示数据中的自然分组或聚类。将 t-SNE 嵌入后的数据点创建散点图，可以直接观察到客户之间的分组模式。 其他选项不合适的原因： 使用欧几里得距离对不同的 k 运行 k-means 并制作肘部图：K-means 是一种聚类算法，肘部图用于确定最佳的 k 值，但它本身不直接提供可视化客户之间分组的手段，尤其是在高维数据下。 使用 t-SNE 嵌入数字特征并创建折线图：折线图通常用于展示趋势或时间序列数据，不适合可视化数据点之间的分组关系。 使用欧几里得距离对不同的 k 运行 k-means，并为每个集群中的每个数字特征生成箱线图：箱线图可以展示每个聚类中特征的分布，但它不能直接可视化客户之间的整体分组模式，也无法处理数千个特征的复杂性。