R中的ProClus聚类分析

在我的论文作业中，我需要对包含零售商店（+1000维）购买数据的高维数据集进行聚类分析。因为传统的聚类算法不太适合高维数据（而且降维也不是一个真正的选项），所以我想尝试专门为高维数据开发的算法（例如ProClus）

然而，在这里，我的问题开始了。

---

我不知道参数d应该使用什么值。有人能帮我吗？

这只是ProClus的诸多限制之一

该参数是集群的平均维度。它假设数据中的某个地方存在一个线性集群。这可能不适用于购买数据，但您可以尝试。对于购买之类的稀疏数据，我更愿意关注频繁项集挖掘

没有通用的聚类算法。任何聚类算法都会附带各种参数，您需要对这些参数进行实验

---

对于聚类分析，您必须能够以某种方式可视化或分析结果，以了解该方法是否有效以及效果如何。

任务特别要求对客户而不是产品进行聚类。你知道一种算法可以处理1000+维的稀疏矩阵吗？很多算法都可以处理。更好的问题是：什么是好的集群，我如何找到它这是一个你需要回答的问题。因为我认为ProClus集群对客户来说不是一个好的集群。但是，您可以根据客户购买的频繁项目集对客户进行聚类。你会看到一群购物行为相同的顾客。（请注意，客户可能在多个集群中，也可能没有集群；这很好。）