我有一个这样的数据集，其中包含大约1000名乘客ID，以及从周日到周六在Temporal 1和Temporal 12之间的旅行频率。是否可以通过使用双聚类来聚类此数据集？以及如何做到这一点。
ID T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 Day
1005 0 5 15 1 0 1 20 2 1 1 0 0 Sunday
1005 0 2 1 0 4 1 21 1 0 0 0 0 Monday
1005 0 0 12 0 1 4 1 2 0 1 1 1 Tuesday
1005 0 0 5 1 0 0 6 0 0 2 0 1 Wednesday
1005 0 0 0 2 2 2 2 1 0 2 0 0 Thursday
1005 0 0 0 0 1 1 0 1 0 0 1 0 Friday
1005 0 0 0 0 1 0 0 0 0 1 0 0 Saturday
1006 2 0 0 2 0 0 0 0 1 0 0 0 Sunday
1006 2 0 0 0 0 0 1 1 1 2 0 0 Monday
1006 0 5 0 0 1 2 0 3 1 4 0 0 Tuesday
1006 0 5 0 0 1 0 1 2 2 0 1 1 Wednesday
1006 0 0 2 2 0 0 2 3 3 2 0 0 Thursday
1006 1 0 0 0 2 0 0 3 2 2 1 0 Friday
1006 0 0 0 0 0 0 0 0 0 0 0 0 Saturday
1010 0 0 1 3 4 2 1 4 7 3 0 0 Sunday
1010 2 1 1 1 1 2 3 1 3 4 2 2 Monday
1010 0 3 3 3 5 4 5 2 2 4 6 1 Tuesday
1010 2 1 2 0 3 1 2 1 2 3 6 1 Wednesday
1010 5 1 2 2 2 1 3 1 0 1 3 0 Thursday
1010 2 2 1 2 3 0 3 0 2 2 2 4 Friday
1010 0 1 2 1 1 3 4 3 0 3 2 2 Saturday
我还尝试将数据集转换为此（通过使用melt和for循环）Var1表示“T1 Sunday”，Var2表示“T2 Sunday”，依此类推。 Var84表示周六的T12。
ID Var1 Var2 Var3 Var4 Var5 Var6 Var7 Var8 Var9 Var10 Var11 Var12 Var13 Var14 Var15 Var16 Var17 Var18 Var19 Var20 Var21 Var22 Var23 Var24 Var25 Var26 Var27
1 1005 0 5 15 1 0 1 20 2 1 1 0 0 0 2 1 0 4 1 21 1 0 0 0 0 0 0 12
2 1006 2 0 0 2 0 0 0 0 1 0 0 0 2 0 0 0 0 0 1 1 1 2 0 0 0 5 0
3 1010 0 0 1 3 4 2 1 4 7 3 0 0 2 1 1 1 1 2 3 1 3 4 2 2 0 3 3
Var28 Var29 Var30 Var31 Var32 Var33 Var34 Var35 Var36 Var37 Var38 Var39 Var40 Var41 Var42 Var43 Var44 Var45 Var46 Var47 Var48 Var49 Var50 Var51 Var52 Var53 Var54
1 0 1 4 1 2 0 1 1 1 0 0 5 1 0 0 6 0 0 2 0 1 0 0 0 2 2 2
2 0 1 2 0 3 1 4 0 0 0 5 0 0 1 0 1 2 2 0 1 1 0 0 2 2 0 0
3 3 5 4 5 2 2 4 6 1 2 1 2 0 3 1 2 1 2 3 6 1 5 1 2 2 2 1
Var55 Var56 Var57 Var58 Var59 Var60 Var61 Var62 Var63 Var64 Var65 Var66 Var67 Var68 Var69 Var70 Var71 Var72 Var73 Var74 Var75 Var76 Var77 Var78 Var79 Var80 Var81
1 2 1 0 2 0 0 0 0 0 0 1 1 0 1 0 0 1 0 0 0 0 0 1 0 0 0 0
2 2 3 3 2 0 0 1 0 0 0 2 0 0 3 2 2 1 0 0 0 0 0 0 0 0 0 0
3 3 1 0 1 3 0 2 2 1 2 3 0 3 0 2 2 2 4 0 1 2 1 1 3 4 3 0
Var82 Var83 Var84
1 1 0 0
2 0 0 0
3 3 2 2
通过使用此数据集，我可以使用K-mean对它们进行聚类吗？实际上，我不确定哪种群集技术更适合这种数据集。
ID Hot temporal topics
1005 var2 var2 var2 var2 var2 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var4 var6 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var8 var8 var9 var10 var14 var14 var15 var17 var17 var17 var17 var18 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var20 var27 var27 var27 var27 var27 var27 var27 var27 var27 var27 var27 var27 var29 var30 var30 var30 var30 var31 var32 var32 var34 var35 var36 var39 var39 var39 var39 var39 var40 var43 var43 var43 var43 var43 var43 var46 var46 var48 var52 var52 var53 var53 var54 var54 var55 var55 var56 var58 var58 var65 var66 var68 var71 var77 var82
1006 var1 var1 var4 var4 var9 var13 var13 var19 var20 var21 var22 var22 var26 var26 var26 var26 var26 var29 var30 var30 var32 var32 var32 var33 var34 var34 var34 var34 var38 var38 var38 var38 var38 var41 var43 var44 var44 var45 var45 var47 var48 var51 var51 var52 var52 var55 var55 var56 var56 var56 var57 var57 var57 var58 var58 var61 var65 var65 var68 var68 var68 var69 var69 var70 var70 var71
1010 var3 var4 var4 var4 var5 var5 var5 var5 var6 var6 var7 var8 var8 var8 var8 var9 var9 var9 var9 var9 var9 var9 var10 var10 var10 var13 var13 var14 var15 var16 var17 var18 var18 var19 var19 var19 var20 var21 var21 var21 var22 var22 var22 var22 var23 var23 var24 var24 var26 var26 var26 var27 var27 var27 var28 var28 var28 var29 var29 var29 var29 var29 var30 var30 var30 var30 var31 var31 var31 var31 var31 var32 var32 var33 var33 var34 var34 var34 var34 var35 var35 var35 var35 var35 var35 var36 var37 var37 var38 var39 var39 var41 var41 var41 var42 var43 var43 var44 var45 var45 var46 var46 var46 var47 var47 var47 var47 var47 var47 var48 var49 var49 var49 var49 var49 var50 var51 var51 var52 var52 var53 var53 var54 var55 var55 var55 var56 var58 var59 var59 var59 var61 var61 var62 var62 var63 var64 var64 var65 var65 var65 var67 var67 var67 var69 var69 var70 var70 var71 var71 var72 var72 var72 var72 var74 var75 var75 var76 var77 var78 var78 var78 var79 var79 var79 var79 var80 var80 var80 var82 var82 var82 var83 var83 var84 var84
此外，我还尝试将频率转换为单词（例如Var8中的20，我写了Var8 20次）。是否适合使用LDA来聚类这个数据集？
答案 0 :(得分：0)
永远不要将群集视为黑盒算法。
结果很可能是解决不同的问题。
每个聚类算法都会尝试发现特定类型的结构。例如，K-means试图找到具有最小平方偏差的数据的Voronoi分区。如果最小二乘是您想要解决的问题，那么使用k-means是有意义的。
因此，您应首先具体说明您要查找的模式（这取决于您的数据和您的问题），然后识别聚类算法以找到这样的模式。
那么，您在寻找什么样的模式，以及如何计算模式的质量？