从已知位置名称聚类蜂窝塔 ID

Question

我是数据挖掘的新手，我正在尝试弄清楚如何对蜂窝塔 ID 进行聚类，以从已知的位置标签（家庭、工作、其他地方、无信号）中找到它的位置。

我有一个用户 A 的位置驱动数据集，其中包含 cellID（检测到的信号塔的唯一 ID）、开始时间（检测到特定信号塔的日期和时间）、结束时间（连接到不同信号塔之前的最后日期和时间）、地名（用户标记的地名，例如家庭、工作）。数据集中还有未标记的位置被用户留空，我想使用聚类方法标记这些蜂窝塔，以便它们表示为位置名称之一。

我正在使用 R 编程，我试图将完整的数据集提供给 kmeans 聚类，但它导致我收到警告消息，我完全不知道为什么？

*do_one(nmeth) 中的错误：外部函数调用中的 NA/NaN/Inf (arg 1)

另外：警告信息：

在 kmeans(dataset, 4, 15) 中：强制引入的 NA*

关于如何使用聚类方法解决这个问题有什么建议吗？谢谢

Answer 1

由于您在训练阶段拥有所有可用的标记和未标记数据，因此您要寻找的是“转导学习”，它与聚类（即“无监督学习”）略有不同。

您收集每个蜂窝塔的平均开始时间、结束时间和 cellID。您可以在此处从 cellID 获取 lat/lng：https://mozilla-ichnaea.readthedocs.org/en/latest/api/search.html 或 http://locationapi.org/api（昂贵）。

这为您提供了每个塔的 4 维特征向量，目标是根据这些连续特征分配三元标签：

[avg_starttime avg_endtime lat lng] 家庭/工作/其他

我不了解 R，但在 python 中可以使用基本的转导学习： http://scikit-learn.org/stable/modules/label_propagation.html#label-propagation

如果您在标签传播方面没有获得良好的结果，并且由于现成的转导学习工具很少见，您可能只想在训练期间忽略一些数据并使用更标准的方法。如果您在开始时忽略未标记的数据，您可能会遇到“归纳”或“监督”学习问题（使用 SVM 解决）。如果您在开始时忽略标签，则可以使用无监督学习（例如“聚类”；使用 kmeans 或 DBSCAN），然后在聚类完成后为聚类分配标签。

我不知道你是怎么得到 NaN 的。