我不熟悉群集，也不知道如何选择要应用的群集方法。
我的数据是1303所大学和35个变量，如申请/接受申请，学生综合SAT成绩，毕业率等等
此处有description of my data和dataset
当我想将大学分成类似的比较组时，比如毕业率，哪种聚类会更好？
我在r中尝试了完整的连接方法--- hclust但是底部的情节只是一团糟......
有什么建议我可以用我的数据集在r中做更好的聚类吗？谢谢！
答案 0 :(得分：1)
选择良好的距离/相异度指标会使hclust的结果产生显着差异。我猜测默认情况下它会选择一些欧几里德距离度量，这意味着每个变量在其特征空间中的权重相等。
更好的想法是自己想出一个不相似的功能：给两个大学的功能会在它们之间产生不同。您可以将您对数据中指标的理解与任何其他先验信息相结合，然后自行计算相似度矩阵d（hdist的参数）。
如果你想专注于毕业率，那么你的相异功能在最极端的情况下只会产生这种差异。但是，如果你认为毕业率和其他一些因素都很重要，那么它会变得更有趣，然后制作一个兼顾两者的功能，但会给毕业率带来更重的权重。
然后，层次聚类结果应该更好地从数据中提取有趣的模式。