我尝试将K-mean与高维数据集（CDR数据）结合使用。
集群后，我想用最具信息性的功能代表每个集群，这可以显示客户的独特/代表性特征那个集群。
例如，
群集1 ：[高：call_duration]，[低：number_of_friends]，[高：call_at_night ]
群集2 ：[低：call_duration]，[高：use_promotion]
群集3 ：[高：internet_usage]
我想知道......
问题1：如何找到可代表每个群集的信息功能？ 问题2：如果有许多信息功能，如何衡量哪一个更具代表性？
另一个问题是“如何衡量价值是高还是低？”
我目前的解决方案是将z标准化应用于每个集群质心中的每个要素，然后我假设
问题3：这种测量是否有意义？请告诉我你的建议。
答案 0 :(得分：0)
训练决策树以区分群集。
或任何其他用于分类的特征选择方法，因为这现在是分类问题。