R 基于预定义数据集的K-means聚类

我正在尝试对R中“ggplot2”包附带的电影数据集进行聚类。我将使用k-means。此数据集附带的列名为：

[1] "title"       "year"        "length"      "budget"      "rating"     
 [6] "votes"       "r1"          "r2"          "r3"          "r4"         
[11] "r5"          "r6"          "r7"          "r8"          "r9"         
[16] "r10"         "mpaa"        "Action"      "Animation"   "Comedy"     
[21] "Drama"       "Documentary" "Romance"     "Short" 

---

你认为基于电影类型进行聚类是个好主意吗？我有点迷路了，不知道从哪里开始。有什么建议吗？

回答你的第一个问题：是的，我认为这是一个有趣的项目。使用此数据集可能是了解不同数据挖掘技术的一种很酷的方式

为了回答你的第二个问题，这里有一些建议。聚类是一种无监督的学习技术。当目标变量（在本例中，目标变量可能是电影类型）未知时，学习是无监督的。然而，从你列出的专栏来看，你似乎确实掌握了类型信息。记住这一点，你有两个选择。首先，你可以假装你没有类型信息。在这种情况下，您将对其余数据应用k-means。聚类完成后，您可以通过将算法与已知类型进行比较来评估算法的性能。其次，您可以将此问题视为分类问题。在本例中，您将使用流派信息学习可以预测流派的模型。你可能已经知道了，但我只是想说出来

为了给你一些关于集群问题的建议，我首先想知道'r1'，…，'r10'变量代表什么。它们是数值变量还是分类变量？K-means有两个步骤：一个是将数据点指定给离它最近的质心，另一个是通过取群集中所有数据点的平均值来计算新的质心。取这些变量的平均值有意义吗

---

考虑到这一点，我建议首先选择要在集群算法中使用的变量。然后编写以下函数：一个可以计算两点之间的距离，一个可以将观测值指定给最近的质心，另一个可以根据指定值重新计算质心。

您需要找出构成良好簇的因素

有数百万种方法可以对该数据集进行集群。因为您可以对数据进行不同的预处理，使用不同的算法、距离等

如果没有您的指导，聚类算法将只是做一些事情，并可能返回一个完全无用的结果

因此，您需要首先明确一个目标：什么是好的集群

---

然后，您可以尝试调整数据，以便聚类算法为此目标进行优化。对于k-means，您需要在预处理中完成所有这些。对于hclust，您也可以选择符合您需求的距离函数。

不清楚您想要实现什么。我只是想引入一些想法，以便更多地了解集群是什么以及集群的作用。就像在这个数据集的例子中，你会做什么来对它进行聚类，你会有什么问题？谢谢你，Michael。这澄清了一些疑问。回答您的问题：r1-10。乘以10，这部电影被评为1的用户百分比（最接近10%）。