R - Clara中的聚类

Question

我刚开始使用R并试图与Clara集群。我没有得到我所希望的结果，并且想知道在哪里可以找到算法实现的细节和必要的预处理？更具体地说，我想澄清一下：

1. Clara如何处理离散的名义数据？如果有5个类别，它会将其转换为5个二进制属性吗？

2. Clara首先运行PCA然后在主要组件上运行聚类，还是我经常看到的用于可视化目的的PCA数据？

非常感谢对算法的任何了解。

Answer 1

欧几里德距离是根据数值定义的。

当您传递非数字数据时，需要来检查实现的功能。仔细检查，不要依赖来自第三方的模糊信息：这可能在不同版本中发生了变化。

三种明显的方法：

• 忽略非数字属性
• 回到汉明距离
• 使用单热编码（=汉明距离* 2，除非加权，因此这不是一种可以轻易使用的方法）

我怀疑CLARA会自动规范化您的数据。我认为这是 bug 。良好的规范化需要小心，不能自动完成。