私は最近、クラスタリングと k-means アルゴリズムの作業を開始し、適切なユース ケースを考え出し、それを解決しようとしていました。
さまざまな都市で販売されている商品に関する次のデータがあります。
アイテム市区町村
Item1 ニューヨーク
Item2 シャーロット
Item1 サンフランシスコ
...
変数 city と item に基づいてデータをクラスター化して、販売された商品のパターンが類似している可能性のある都市のグループを見つけたいと思います。問題は、使用する k-means が非数値入力を受け入れないことです。意味のある解決策を見つけるために、これをどのように進めるべきか考えてください。
ありがとうSV
クラスタリングには距離の定義が必要です。クラスターは、アイテムが距離関数に従って「より近い」場合にのみクラスターになります。それらが近いほど、同じクラスターに属している可能性が高くなります。
あなたの場合、地理座標や人口統計情報など、都市に関連するさまざまなデータに基づいてクラスター化を試み、さまざまなケースでクラスターが重複するかどうかを確認できます。
k-means が使用可能な結果を生成するためには、平均が意味のあるものでなければなりません。
たとえばバイナリベクトルを使用したとしても、これらのk-meansは私見ではあまり意味がありません。
おそらく、k-means を使い始めるのに最適なユース ケースは色の量子化です。写真を撮り、すべてのピクセルの RGB 値を 3d ベクトルとして使用します。次に、k を目的の色数として k-means を実行します。カラー センターは最終的なパレットであり、すべてのピクセルは減色のために最も近いセンターにマップされます。
これが k-means でうまく機能する理由は 2 つあります。
さらに一歩踏み出したい場合は、HSB 空間などで同じことを試みてください。本当に良いものにしたいのなら、困難に直面するでしょう。色相値は周期的であり、平均値と一致しないためです。色相が 0 ～ 360 度であると仮定すると、「1」と「359」の「平均」色相は 180 度ではなく、0 です。したがって、このデータでは、k-means の結果は最適ではありません。
詳細については、たとえばhttps://en.wikipedia.org/wiki/Color_quantizationを参照してください。また、スパース データとバイナリ データに関する 20 の k-means の質問も参照してください。
データを数値形式で抽象的に表現する必要がある場合もあります。これは役立つかもしれません
問題を再度分析して、数値で表現できる関係があるかどうかを確認してください。RGB値で色を表現する必要があるプロジェクトに取り組みました。それはかなりうまくいった。
お役に立てれば