K-均值聚类的变量选择

Question

我想知道有没有什么好的方法来选择k-means算法的变量。我正在尝试使用这个算法进行市场细分，并拥有一个包含数十个潜在变量的数据集。我希望得到的结果是非常容易解释的，所以我应该将变量的数量限制在max。5-6。我对可以在SPSS Statistics或Weka中实现的解决方案特别感兴趣。另外，有没有一种方法/算法来获得用于聚类的最佳变量数量(即，我应该使用多少“好”变量)？

Answer 1

尝试因子分析，它应该会有所帮助。没有。您使用的因子的数量将取决于特征值为>= 1的变量的数量。在找到因子的no之后，使用fa()函数来查找负载值，并决定需要保留哪些变量和丢弃哪些变量。它还将有助于删除高度多线性的变量。

Answer 2

要使用k-means获得更好的结果，请考虑检查原始数据中数字特征的标准差-更大的数据分布允许更好地分离对象。除了因子分析，可以考虑使用主成分分析，PCA来找出哪些特征在数据中具有最大的方差，并使用在结果成分中强烈表达的特征。