我有以下数据集，我想在上面应用聚类（特别是k均值）。
id category value
0 122 A 3
1 122 B 4
2 122 C 9
3 145 A 19
4 145 B 22
5 145 C 90
.
.
.
197 225 A 16
198 225 B 17
199 225 C 12
我想做的是创建id集群。例如，每个聚类应包含基于类别值计算出的相似性度量的一些ID。
例如：C1 {122，145，148} C2 {225，222，221} ....
关于如何处理此类问题的任何想法？
答案 0 :(得分：0)
Pivot 将您的数据转换为适当的形状：
您的类别应为列，而不是单独的行。
id A B C
1 122 3 4 9
2 145 19 22 90
..
别忘了排除ID列进行分析！集群时切勿包含ID。为了进行分析，您的数据应仅包含A，B，C列；每个ID一行。这样您就有了一个n x 3的矩阵，那么就可以使用k均值了。
答案 1 :(得分：-1)
我假设存在A-Z中的类别，并且有许多行属于同一类别。 K均值算法的工作原理如下所示。从您的问题还不清楚什么是相似性度量。一旦更清楚地了解聚类目标是什么，我将更新我的答案。
更新：在再次查看数据并注意到@ Anony-Mousse的评论之后，我认为问题是：给定三个类别A，B，C及其各自的值和标签（Ids），根据它们进行聚类一些相似性指标（可以是欧几里得距离，余弦距离或其他一些度量）。我正在更新我以前的答案，以符合上述假设。
解析数据并生成三个数字或一键编码的特征，这些特征表示每个ID的类别A，B和C的值。
K：输入
重复直到收敛：
- 随机将3维簇质心U1初始化为Uk。
- 对于每个Id，请找到类别值和聚类质心之间的最小欧式距离总和。将该群集质心分配为 当前ID的新群集中心。
- 对于每个群集，通过平均分配给它的所有样本（Id）的特征来重新计算其质心。
当簇质心不发生变化或每个质心的变化小于输入所提供的较小值时，就会出现收敛。