Python 如何对游戏数据进行预处理-k-均值

我有一个用户分数表，如下所示：

user_id  score duration_of_per_play  start_date
  1        56    313                 2018-01-09
  2        14    560                 2018-08-01
  1        56    113                 2018-01-09
  4        14    340                 2018-08-01
....

现在我想使用

k-means

算法对用户集群进行分类。 只是我知道我没有

缺失值

和

异常值

但我不知道：

下一步是什么

我需要对数据进行

居中
吗

---

我有42000张这场比赛的记录。我想根据

得分和
每次播放的持续时间对用户进行聚类
K-means本身不需要预先居中，但由于使用的功能规模不同，您将从标准化数据中获益。

因此，我建议减去平均值并除以STD（当然是每个轴），然后只使用许多k-平均值实现中的一种。

我也读过关于k-means和关于选择集群数量、处理异常值等的不同选项，但这并不是你问的“下一步”。

祝你好运


这是一个很好的实现，您可以从它开始：
您是否有异常值和/或缺失值？创建一个特征向量（可能是其中的一行）并将其填充到一个列表中。估计的平均值（KMeans类的属性）将生成您的结果。注1：不需要，您不需要将数据集中。注2：检查这是否真的符合您的需要。@Shlomif谢谢您的评论，我对异常值进行预处理，并且没有任何缺失值，因为我从API中收集了这些记录，所有验证都完成了。是的。但同样，一些预处理可以有所帮助。我的回答有用吗？