Python中的聚类

Posted 2023-03-12

【中文标题】Python中的聚类

【英文标题】：Clustering in Python

【发布时间】：2021-07-25 13:27:15

【问题描述】：

我有一个包含数千行的数据集。每行是一个人，我需要将其插入 4 个集群。我知道有很多方法可以做到这一点并找到最好的集群，但在这种情况下，我知道每个集群的特征。通常，使用 ML，使用 IA 找到集群。

例如，假设我有 4 列要查看：money_spending、salary、segment、days_to_buy。另外，我有：

集群 1 -> money_spending：350-700 工资：700-1000 细分市场：农场 days_to_buy: 12

第 2 组 -> money_spending：500-950 工资：1000-1300 细分：建筑材料 days_to_buy: 18

第 3 组 -> money_spending：900-1400 工资：1200-2000 细分市场：超市 days_to_buy: 20

第 4 组 -> money_spending：250-600 工资：550-1000 细分市场：农场 days_to_buy: 30

将此应用于我的数据集的最佳方法是什么？我会使用 k-nearest，但我不知道如何使用我的集群信息。

有人可以帮我吗？

另外：如果我有更多列或更多集群，解决方案是否仍然有效？

编辑：我的原始数据集只有列。集群知道，但不在数据集中。工作就是将此集群信息准确地应用于数据集。我不知道该怎么做。

【参考方案1】：

您可以尝试以下方法：

运行 K 均值，并使用 Elbow 方法或轮廓图找到最佳的 k 数。

使用集群标签作为一个类。 例如如果 4 是集群的最佳数量，则 class=0,1,2,3（这将是集群标签）

将类与原始数据集合并，并将其视为监督学习问题

尝试在训练测试拆分后运行任何分类模型。

查看分类报告以检查模型性能。

PS

尽量使用归一化的数据，因为许多聚类算法对异常值很敏感。

请查看该类是否在某种程度上均匀分布，例如 1000,800,1150,890 而不是 1500,80,150,..等，因为它会导致分类器的数据不平衡。

【讨论】：

我的原始数据集只有列。集群知道，但不在数据集中。工作就是将此集群信息准确地应用于数据集。