Cluster analysis 用于极低方差数据聚类的数据预处理
我试图对生产机器的数据进行聚类。我正在尝试K-Means、DB-SCAN和光学。对于所有算法，结果都非常糟糕（例如轮廓系数为0.05） 从我的观点来看，数据的方差很小。我已经做了主成分分析，前两个主成分只占数据集变量的6%。下图显示了前两个主成分的直方图和散点图 对于数据预处理，我尝试了标准化、最小-最大缩放、方差阈值特征选择（sklearn）、单变量特征选择（sklearn）和上述PCA。结果并不令人满意 所以我的问题是，是否有任何其他方法的数据准备，你可以认为是有助于我的聚类。或者如果数据根本不适合进行聚类：D 谢谢你的评论Cluster analysis 用于极低方差数据聚类的数据预处理,cluster-analysis,k-means,feature-selection,dbscan,optics-algorithm,Cluster Analysis,K Means,Feature Selection,Dbscan,Optics Algorithm,我试图对生产机器的数据进行聚类。我正在尝试K-Means、DB-SCAN和光学。对于所有算法，结果都非常糟糕（例如轮廓系数为0.05） 从我的观点来看，数据的方差很小。我已经做了主成分分析，前两个主成分只占数据集变量的6%。下图显示了前两个主成分的直方图和散点图 对于数据预处理，我尝试了标准化、最小-最大缩放、方差阈值特征选择（sklearn）、单变量特征选择（sklearn）和上述PCA。结果并不令人满意 所以我的问题是，是否有任何其他方法的数据准备，你可以认为是有助于我的聚类。或者如果数据根
您能对数据集进行聚类并发布结果的图表吗？从2个特性开始，然后添加3、4、5等。它在哪里变得奇怪？你提到的所有集群算法，只需按照你告诉他们的去做。有些数据集可能无法很好地聚集。谢谢您的建议。我从两个特性开始，结果很好，请看我在问题中添加的特性。我添加的每一项功能都会减少轮廓，另请参见带有5项功能的图片。