R 具有非自变量和超大数据集的聚类

我有一个非常大的数据集~400000个实例，看起来像下面的数据

data  <- as.data.frame(matrix(0, 10, 5))
samp <- function(){
  x <-sample( c(0:9), 5, replace =TRUE, prob = c(0.5, 0.1, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05))
  return(x)
}
data <- lapply(split(data, c(1:10)), function(x)  samp() )
data <- do.call(rbind.data.frame, data)
colnames(data) <- c("fail","below_a",  "aver", "above_a", "exceed")
data$class_size <- apply(data[1:5] , 1, FUN = sum) 
class_prof <- sample(letters[1:6], nrow(data), replace = T)   
data$class_prof <- class_prof

---

data尝试对数据进行主成分分析，然后根据您决定的维度数进行kmeans或knn

有两个不同的软件包可以非常直接地使用它，您必须在使用之前对数据进行集中和缩放。您还必须使用单选方法将任何因子转换为数值（原始因子列的每个可能因子对应一列）

看看“prcomp”或“princomp”
谢谢你，乔希，我想了想，试了一下。。问题是，我需要能够解释和分析与原始变量相关的集群。另外，我现在只有7维，我认为这是可以的，问题是实例的数量和计算相异矩阵的可能性，许多方法都使用。另一个问题可能是，前五列是稀疏的——如果类很小，通常只有一个或两个非0值。