R 如何根据特定日期的小时进行聚类

我有一个月内每半小时到一家银行的人数记录

我试图根据“到达”的数量找到不同的集群组。我试着按天来做，我试着按小时来做（不是某一天）。我想根据一天中的时间来尝试

例如：

• 周四14:00和周日15:00是一个集群，平均到达人数为10000人
• 周一13:00、周一10:00和周二16:00是一个集群，平均到达人数为15000人
• 其余的都是另一个平均有2000人到达的集群

我有一个csv文件，列有：

日期

，

日期

（1-7），

时间

，

到达

到目前为止，我一直在使用：

km <- kmeans(table, 3, 15)
plot(km)

---

kmk-means和类似算法将在此类数据上产生无意义的结果

问题是您使用错误的工具处理错误数据上的错误问题

您的数据是：
Date、Day（1-7）、Time、Arrivals

K-means将尝试最小化方差。但在这个数据集上，方差有意义吗？你怎么知道哪个
k
最有意义？由于
Arrivals
可能具有这些属性中最大的方差，因此它将完全支配您的结果

你首先应该回答的问题是：什么是好结果？然后，考虑将结果可视化的方法来验证你已经达到某个目标。当你可视化数据时，考虑在视觉上手动标记所需结果的方法，这对你来说可能已经足够好了。总比祈祷k-means能产生某种有意义的结果要好；因为在这种混合类型的数据上，它通常不能很好地工作。
您的数据是如何格式化的？欢迎使用SO。请阅读。最好至少发布一些示例数据（输入），并举例说明您认为输出应该是什么。还可以共享您迄今为止尝试过的任何代码。这将使其他人更容易帮助您。我重新编辑了问题，并提供了进一步的详细信息。您可以使用
ddply
通过一个键重新组合数据，该键是“时间/小时”和“特定日期”的串联。谢谢，我正在尝试查找不同类型的拥塞。（如上所述）您建议使用什么方法代替k-means？如果我将日期和到达时间都取消，会改善结果吗？如果你想要更少的随机结果，最好在之前对数据进行z-标准化。但是，如果将集群视为一个黑盒子，则不要期望结果有意义。