我试图在一个具有45维的数据点向量集上使用某种聚类方法。我对聚类数据点还很新，想知道是否有适合的方法可供利用？我尝试过使用K-Means聚类，但不确定我的数据维数是否太大了。
2个回答
1
45个维度并不特别高。它最多是“中等”维度，因此大多数算法可能可以工作。
通常情况下，问题不在于维度的数量，而在于预处理的质量如何。如果一个属性中的信号被另一个属性中的噪声淹没，那么即使只有2个维度也可能会出现问题。
没有自动的方法可以解决这个问题，否则所有库都会包含它。缩放可以帮助，但也可能会造成伤害。用户需要准备数据并选择参数（例如距离函数和算法）以实现所需的效果，因为“理想”的计算公式不存在。
- Has QUIT--Anony-Mousse
0
K-means聚类的复杂度为O(qknp),其中q是迭代次数，k是簇的数量，n是样本大小，p是维度。
你可能不想改变k。
大多数情况下，q是在执行K-Means算法期间确定的，当簇均值停止变化时，它会停止。
大多数情况下，您希望使用所有数据，但您可以减少样本大小，这将降低结果的准确性。
您可以通过使用主成分分析来减少数据的维数。这会导致一些（在大多数情况下很少）信息丢失，从而影响您的结果。
- Mete Han Kahraman
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接