单个要素的不同汇总指标可以用作k均值聚类的要素吗？

Question

我有一个场景，我想了解客户的行为模式，并将其分为电子商务平台的不同细分/集群。我选择无监督的机器学习算法：k-均值聚类来完成此任务。

我有可用的采购订单数据。

在准备数据集的过程中，我有一个问题：可以将某个功能的不同摘要指标（如(Sum, Avg, Min, Max, Standard Deviation)）考虑为不同的功能。还是我应该仅采用一项功能的摘要指标（例如，客户在多个订单上的总交易金额之和）。

此effect how the functioning of the k-means algorithm是否有效？

在下面提到的以下两种数据格式中，我可以优化算法以得出良好的结果：

格式1：

  

客户编号| Total.TransactionAmount |最小交易金额|   最大交易金额|平均交易金额|   StdDev.TransactionAmount | TotalNo.ofTransactions等...

格式2：

  

客户编号| Total.TransactionAmount |总交易数等   在...上，

（注意：将“ |”视为特征分隔符） （注意：客户ID不会作为算法输入）

Answer 1

是的，但是，这是一个好主意几乎是显而易见的。

这些值将是相关的，因此这会使结果失真。可能会使您已经遇到的所有问题（例如，值不是线性的，具有相同的重要性，因此需要权重且具有相似的大小）变得更糟。

借助“交易金额”，“交易数量”等功能，您已经遇到了一些非常糟糕的扩展问题，因此，为什么还要添加更多呢？

写下目标函数很简单。将您的特征放入等式中，并尝试了解您正在优化的内容-这真的是您所需要的吗？还是只需要一些随机结果？