我正在学习R，我必须使用时间戳字段对数字数据进行聚类。 其中一个参数是时间，由于数据严格依赖于昼夜，我想考虑一下＆＃34;球形＆＃34;这个数据的性质。
就我从手册中看到的那样，像 skmeans 这样的库无法处理＆＃34;圆柱形＆＃34;数据，但只有＆＃34;球形＆＃34;数据（即所有组件都在极坐标中）。
我对合适解决方案的想法如下：我可以将HOUR列（0-24）分解为两个不同的列X，Y并以极坐标表示时间，例如x ^ 2 + y ^ 2 = 1 。 通过这种方式，具有欧氏距离的k均值不应该有解释数据的问题。
我是对的吗？
答案 0 :(得分：3)
以下是h到m的映射，其中h是以小时为单位的时间（以及小时的一小部分）。然后我们尝试kmeans，至少在这个测试中它似乎有效：
h <- c(22, 23, 0, 1, 2, 10, 11, 12)
ha <- 2*pi*h/24
m <- cbind(x = sin(ha), y = cos(ha))
kmeans(m, 2)$cluster # compute cluster assignments via kmeans
## [1] 2 2 2 2 2 1 1 1
答案 1 :(得分：2)
k-means应该使用平方欧几里德距离。
但事实上：将数据投射到有意义的欧几里德空间是避免此类问题的简单方法。
然而请注意，你的意思将不再躺在气缸上。在许多情况下，您可以将平均值缩放到所需的圆柱体。但它可能会变为0，那么就不可能进行有意义的重新缩放。
另一个选项是内核k-means 。由于您在数据转换后所需的距离是欧几里得，您还可以＆＃34;核化＆＃34;这个转换，并使用内核k-means。但在特定情况下转换数据实际上可能会更快。它可能只会在使用更复杂的变换时（例如，无限维向量空间）得到回报。