我的篮球运动员数据如下所示：
Player Weight Height Shots School
A NA 70 23 AB
B 130 62 10 AB
C 180 66 NA BC
D 157 65 22 CD
我想做无监督和监督（基于高度）聚类。通过查看在线资源，我发现我可以使用kmeans进行无人监督，但我不知道如何处理NAs而不会丢失大量数据。我也不知道如何处理定量变量＆＃34; school＆＃34;。有没有办法解决无监督和监督聚类的问题？
答案 0 :(得分：0)
K-means不能用于分类数据。一种解决方法是使用有关学校的数据，例如注册数量或本地SES数据。
R中的 kmeans()无法处理NA，因此您可以省略它们（并且应该检查NA在其他因素中是否相当均匀地分布）或者使用{{1来自cluster::clara()库。
你没有具体提到有关超学习的问题，所以我无法解决这个问题。
答案 1 :(得分：0)
您遇到的问题称为缺少数据。你必须在开始集群之前做出决定。在大多数情况下，具有遗漏数据的样本（此处为NA）被简单省略。在准备数据和清理数据挖掘的过程步骤时发生的事情。在R中，您可以使用以下代码执行此操作：
na.omit(yourdata)
它省略了包含NA的记录或样本（在行中）。
但是如果要将它们包含在群集过程中，则可以使用整个群集中该要素的平均值作为缺失值选项。 在你的情况下，考虑重量：
对于玩家A，你可以为他的体重设置（130 + 180 + 157）/ 3。
另一个问题：看来你对监督和无监督学习的含义有点困惑。在有监督的学习中，您需要定义样本的类标签。然后你建立一个模型（分类器）并训练它以了解每类样本，训练后你可以使用模型来预测测试样本的标签，就像你给它一个具有这个值的玩家（W = 100，H） = 190，shot = 55）它会给你预测的类别标签。
对于无监督学习，您只需要对数据进行聚类以查找样本的组或聚类关系。为此，您不需要类标签，您应该定义要基于它们对样本进行聚类的功能，例如，您可以仅根据其权重对聚类播放器进行聚类，或者仅根据它们的高度对它们进行聚类。 ..或者您可以使用所有高度，重量和拍摄功能进行聚类。这可以在R中使用以下代码：
clus <- kmeans(na.omit(data$weight), 5) #for cluster them to 5 clusters based on weight
clus <- kmeans(na.omit(data[,1:3]),5) # to cluster them based on weight, height, shots into 5 clusters.
在这里考虑使用na.omit删除在其列中具有NA的行。
如果这有助于您，请告诉我。