R：聚类验证方法（混合数据）答案

【问题标题】：R: Clustering validation methods (mixed data)R：聚类验证方法（混合数据）
【发布时间】：2018-03-14 06:46:42
【问题描述】：

我使用 k-prototype 和 PAM 两种聚类方法对包含数字和分类特征 (heart dataset from UCI) 的混合数据集进行了聚类

我的问题是：如何验证聚类结果？

我在 R 中发现了不同的方法，例如 Rand Index、SSE、Purity、clValid、pvclust，它们都适用于数字数据。

有什么方法可以在混合数据的情况下使用

【问题讨论】：

【解决方案1】：

是的，您可以将聚类结果与 CV 索引进行比较。更多你可以阅读这个 Cv index CV 公式包含用于分类属性的 CU（Category Utility）和用于数字属性的 varians

【讨论】：

【解决方案2】：

您仍然可以使用调整后的兰德指数。该索引仅比较两个分区。分区是从分类特征还是连续特征构建的并不重要

【讨论】：

【解决方案3】：

您特别研究了多少个观测值 (n) 和维度 (d)？可能您属于 n>>d 案例，但最近 d>>n 是一个热门话题。

变量选择是需要事先完成的。检查特征相关性，这可能会影响您检测到的集群数量。如果特征是相关的并且它们恰好是线性的，则可以使用梯度而不是两个变量。

您的问题没有绝对的答案。因此存在许多方法。聚类本质上是探索性的。您对数据了解得越多，您就可以更好地设计测试。

需要定义您要测试的内容：分区的稳定性，或者集群配方的稳定性。有不同的方法来处理这些问题中的每一个。对于第一个，重采样是一个关键，对于第二个，通常使用比较索引来衡量在某个分区中遗漏了多少观察。