估计每个 k 均值聚类最重要的特征你好，
我使用 kmeans cluster 将数据分组在一起。 现在我想找出每个数据集群中哪些功能具有很高的影响力。 我想知道 JMP pro K-mean 是否提供对每个 k-means 集群最重要特征的估计？ 有人可以提供建议，如果不可用，我该如何计算？ 我想也许这个距离可以用来估计。 有吗？
预测建模和机器学习视窗回复：估计每个 k 均值簇最重要的特征你好@dadawasozo ,
我想到了两种可能的方法来解释使用 K-means 完成的聚类：
- 您可以使用聚类公式作为响应，并尝试根据您的输入对此聚类响应进行建模。 Bootstrap Forest (JMP Pro) 或 Predictor Screening (JMP) 是一种灵活且高效的平台。 然后，您可以比较因素对聚类的贡献。
- 您还可以以“统计”方式思考这一点：一个因素对聚类的重要性越高，该因素轴上的点就越分离（如果您可以基于一个或多个点来分离/区分点，则创建聚类会更容易）几个因素）。 因此，您可以使用“Fit Y by X”平台，使用聚类作为 X，使用因子作为 Y，并使用参数检验（t 检验、Welch 等）比较多个拟合的 F 比率。
根据统计检验的充分使用和假设的验证（正态性、方差相等、独立性、无异常值……），您可能会发现与选项 1 类似的结果。
举个例子：
在非常著名的公开“Iris”数据集上，我对萼片长度、萼片宽度、花瓣长度和花瓣宽度等因素进行了 K 均值聚类。 我能够找到三个簇，与发现的三个物种密切匹配。 我保存了聚类公式。
- 当使用Predictor筛选平台时，输入聚类公式作为Y，响应和因素作为X，我可以看看我的因素对聚类的贡献的差异：
- 当使用“Fit Y by X”平台时，输入聚类公式作为 X，因子作为 Y，我进行韦尔奇测试并创建包含所有 F 比率的组合数据表。 通过图表显示 F 比率取决于因素，我能够找到类似的结果：
两个平台之间存在差异，并且两个最大的聚类贡献因素之间存在交换，因为花瓣长度和花瓣宽度都具有两个非正态分布。 因此，韦尔奇检验并不是最合适的选择，但 Steel-Dwass 全对检验可能会更好。
在此数据集上，预测器筛选将是一个更安全的选择，因为它对异常值具有鲁棒性，并且不需要对数据分布进行假设（该平台使用随机森林模型）。
我附上了 Iris 数据表，以便您可以查看一些分析并重现我所做的测试。
最后一个要考虑的方面（即使超出了您的问题范围）是确保 K 均值方法适合您的数据集，因为它基于两个假设：
- 簇是球形的（所有变量具有相同的方差），
- 簇具有相似的大小（每个簇中的观测值数量大致相等）。
如果不满足这些假设（例如高斯/正态混合），其他聚类方法可能会更灵活，或者根据您的聚类上下文更“合适”：基于点密度、基于假设的基础分布、点之间的层次关系的聚类, ...
希望这个回答对你有帮助
回复：估计每个 k 均值簇最重要的特征嗨维克多，
是否可以分别获取每个簇最重要的特征？ K 均值有助于将数据聚类为几组。 我想了解每个集群最有影响力的功能，以了解是什么使它们成为不同的集群。
回复：估计每个 k 均值簇最重要的特征你好@dadawasozo ,
如果我更好地理解您的目标，您想根据特征值更好地评估集群之间的差异和差异吗？
如果是，您可以查看选项“并行坐标图”、“散点图矩阵”以及“KMeans NCluster = (X)”旁边的红色三角形中提供的几个图形“双标图”，如它们提供的那样，以及汇总统计数据“聚类平均值”，有趣的可视化显示了几个聚类如何根据特征平均值而有所不同。
Iris 数据集上的示例并行坐标图（您可以使用图形生成器重现它以对其进行自定义并添加值图例）：
Iris 数据集上的散点图矩阵示例：
Iris 数据集上的 Biplot 2D 示例（带有主成分）：
我希望我更好地理解您的目标，并且这个答案可以帮助您，
