kmean聚类：变量选择

Question

我正在应用kmean算法来集群我的客户群。我在概念上在维度（变量）的选择过程中苦苦挣扎，以包含在模型中。我想知道是否有建立方法来比较具有不同变量的模型。特别是，我正在考虑使用常见的SSwithin / SS之间比率，但我不确定这是否可以应用于比较具有不同维数的模型...... 任何建议＆gt;？ 非常感谢。

Answer 1

经典方法是顺序选择算法，如“顺序浮点正向选择”（SFFS）或“顺序浮点反向消除”（SFBS）。这些是启发式方法，您可以根据性能指标消除（或添加）当时的一个功能例如，均方误差（MSE）。另外，如果你愿意，可以使用遗传算法。

这是一篇随和的论文，总结了这些想法： Feature Selection from Huge Feature Sets

更高级的一个可能有用：Unsupervised Feature Selection for the k-means Clustering Problem

编辑： 当我再次考虑它时，我最初的问题是“如何选择 k （固定数字）最佳特征（其中k

我必须承认，我在监督而非无监督的方法方面有更多的经验。因此，在解决“维度诅咒”时，我通常更喜欢正则化而不是特征选择/降维。我经常使用维度降低来进行数据压缩。