我正在尝试对噪音很大的金融数据集进行聚类分析（PAM）。
有超过100个变量，其中许多是高度共线的。
在给定大量噪声和共线性的情况下，在整个列数组上运行聚类算法几乎是毫无意义的，而且我不希望使用PCA，因为我最终将获得每个聚类的组件而不是现有变量的范围，我打算进一步分析。
在评估一组由10个变量定义的聚类趋势（霍普金统计量）时，我可以确定聚类是否可行。我的问题是，是否有一种方法可以使hopkin的统计信息遍历每个可能的说10个变量的组，以便我可以在具有最佳hopkin的统计信息的组上运行聚类算法，等等。
我可能对此不太了解，但任何建议都值得赞赏。
答案 0 :(得分：0)
有一个包“ clustertend”，并且这里有Hopkin的统计信息作为函数 https://cran.r-project.org/web/packages/clustertend/clustertend.pdf
答案 1 :(得分：0)
使用子空间聚类方法。
这些算法试图同时识别聚类和同时区分该聚类的变量。
但是，如果减少变量的数量，即使这些算法也将受益。首先尝试识别高度相关的变量（重复项）和无用的变量（噪声），然后将其删除。
不要依赖霍普金斯统计量。这是对均匀性的简单测试，但对多峰性却不是。即，单个高斯将具有很高的“聚类趋势”，但这可能对您没有用。因此，统计信息可能无济于事。