我是数据挖掘的新手，我正在试图找出如何聚类单元塔ID以从已知位置标签（Home，Work，Elsewhere，No signal）查找其位置。
我有一个位置驱动的用户A数据集，其中包含cellID（检测到的celltowers的唯一ID），starttime（检测到特定塔的日期和时间），endtime（连接到不同celltower之前的最后日期和时间），地名（用户标记的地名，如家，工作）。数据集中还有未标记的位置由用户留空，我想使用聚类方法标记这些单元格，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聚类但是它会给我发出警告信息，我完全不知道为什么会这样做？
* do_one（nmeth）出错：外来函数调用中的NA / NaN / Inf（arg 1）
另外：警告信息：
在kmeans中（数据集，4,15）：由强制*引入的NA
有关如何使用群集方法解决此问题的任何建议？感谢
答案 0 :(得分：0)
由于您在训练阶段可以获得所有标记和未标记的数据，您所寻找的是“转导学习”，这与聚类（“无监督学习”）略有不同。
对于每个蜂窝塔，您可以收集平均开始时间，结束时间和cellID。您可以在此处获取来自cellID的lat / lng：https://mozilla-ichnaea.readthedocs.org/en/latest/api/search.html或http://locationapi.org/api（贵）。
这为每个塔提供了4维特征向量，目标是根据这些连续的特性分配三元标记：
[avg_starttime avg_endtime lat lng] home / work / other
我不知道R，但在python基本的转换学习是可用的： http://scikit-learn.org/stable/modules/label_propagation.html#label-propagation
如果您没有通过标签传播获得良好的结果，并且由于现成的转换学习工具很少，您可能只想在培训期间忽略一些数据并使用更多标准方法。如果您在开始时忽略未标记的数据，则可能会出现“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），然后在完成聚类后为聚类分配标签。
我不知道你是怎么得到NaN的。