您将基于人员属性使用什么算法进行群集？

Question

我是机器学习领域的新手（即使我发现它非常有趣），我想开始一个小项目，我可以应用一些东西。

假设我有一个人的数据集，每个人都有N个不同的属性（只有离散值，每个属性几乎可以是任何东西）。

我想找到表现出相同行为的人群，即他们的属性具有相似模式的人群（“看起来相似”）。

你会怎么做？有什么想让我开始吗？

我正在考虑使用PCA，因为我们可以拥有任意数量的维度，这可能对减少它有用。 K-手段？在这种情况下我不确定。关于什么最能适应这种情况的任何想法？

我确实知道如何编写所有这些算法的代码，但我真的错过了一些真实世界的经验，知道在哪种情况下应用什么。

Answer 1

K-means使用n维属性向量是一种合理的入门方式。您可能希望使用距离指标来查看它对结果的影响。

Answer 2

几乎任何聚类算法的第一步是找到合适的距离函数。许多算法如DBSCAN可以用这个距离函数进行参数化（至少在一个不错的实现中。当然有些只支持欧几里德距离......）。

首先考虑如何测量对象的相似性！

Answer 3

在我看来，您还应该尝试期望最大化算法（也称为EM）。另一方面，使用PCA时必须小心，因为此算法可能会减少与群集相关的维度。