如何在 K 中给出输入变量意味着 R 中的聚类答案

【问题标题】：How to give input variables in K means clustering in R如何在 K 中给出输入变量意味着 R 中的聚类
【发布时间】：2016-07-07 03:01:04
【问题描述】：

我有一个包含 29 个变量的数据集。从这个数据集中，我想使用特定的 9 个变量来制作 6 个不同的 K 均值集群。如何在 R 中创建集群时指定相关变量。我是否应该先过滤掉数据并使用该数据来制作集群？

提前致谢！

【问题讨论】：

【解决方案1】：

我假设您有一个包含 n 行（样本数）和 29 列（每个样本的变量数）的矩阵。现在，您需要做的是“特征选择”，其中每个变量都是一个特征。使用特征选择，您将能够识别导致数据可变性的特征。不过，如果您能告知您为什么只需要 9 个功能，那就太好了。无论如何，关于功能选择，这可能会有所帮助： http://www.r-bloggers.com/introduction-to-feature-selection-for-bioinformaticians-using-r-correlation-matrix-filters-pca-backward-selection/

如果最终目标是对数据进行聚类，那么我建议您先进行 PCA 并尝试降低数据的维数，然后再进行聚类。同样，如果您告知您为什么只需要 6 个集群，那就太好了。

【讨论】：

谢谢@Manish。问题是我们正在使用一个工具 Statistica 进行聚类，现在我正在尝试使用 R 模拟结果。我已经知道我需要制作总共 6 个聚类（已经定义），并且我也知道哪些变量对聚类很重要。我只是想知道如何在制作集群时进行变量选择。
据我了解，变量选择和聚类是两个独立的任务。所以，我建议不要混合它们。

【解决方案2】：

构建一个子集数据框，仅包含您想要使用的那些特征。

然后只在这些列上运行 k-means。

您可以轻松地将索引映射回原始（完整）数据。

【讨论】：