我对 NLP 和 DataScience 比较陌生，所以对于遗漏或类似的事情深表歉意。

我一直在尝试使用 KMeans 对包含跨越网站分类的多个关键字的 1000 个唯一 URL 列表进行分类。目的是了解算法如何将这些 URL 视为最佳匹配，并在一定程度上验证专家完成的分类练习。

第一步是对 URL 进行矢量化处理，获得包含 1416 个特征的数组。

我可以毫无问题地运行 KMeans，但这里的第一个挑战是：如何验证集群的数量。据我了解，可以使用 Elbow 算法完成，正确的数字应该是曲线发生的地方。就我而言，似乎没有曲线，而是每组中的项目数量逐渐减少。请参阅图像以了解 1 到 40 的范围。如果我必须看到曲线，我会说这是 17。

假设这个数字是正确的，我的下一个挑战是，我如何可视化集群以及如何理解任何异常值？

我认为使用 scatterPlot 会是一个好主意，但是对于我的数据集，这似乎不是一个选择。我仍然有一个包含 1464 个特征的数组，每行与所需的 2 个数据点相比。

关于如何进行的任何想法？