Hallo,
Wenn ich Cluster von der K-Means-Plattform simuliere, erhalte ich einige negative simulierte Werte für eine meiner Variablen, die in der Praxis nur positiv sein können.
Betrachtet man die ursprüngliche Verteilung dieser Variable, so ist sie nicht normal und durch Null begrenzt (so etwas wie eine logarithmische Normalverteilung passt also gut dazu).
Gibt es eine Möglichkeit, sicherzustellen, dass die aus der Clustersimulation generierten Daten positiv bleiben?
Vielen Dank,
Alicia
Hallo @Alicia_500 ,
Willkommen in der Community!
Das Clustering kann mit unterschiedlichen Algorithmen durchgeführt werden, abhängig von Ihren Zielen, Datentypen und dem Kriterium, nach dem Sie das Clustering erstellen: basierend auf Verteilungen, auf der Punktdichte, auf hierarchischen Strukturen/Verbindungen zwischen Punkten, ...
Sie können sich hier die verfügbaren Algorithmen basierend auf Ihren Datentypen ansehen: Übersicht über Plattformen für Clustering-Beobachtungen
Wenn Sie weitere Informationen zur Verwendung der verschiedenen Algorithmen benötigen, können Sie sich dieses Video ansehen: Clustering | JMP
Es gibt auch einen sehr schönen Blog von @Chelsea-Parlett, der die Unterschiede zwischen Clustering-Methoden erklärt: Clustering-Methoden für unüberwachtes maschinelles Lernen (jmp.com)
In Bezug auf Ihren Anwendungsfall halte ich K-Means angesichts der relativ geringen Informationen und des Fehlens von Daten zum Testen einiger Ansätze für nicht die beste Clustering-Technik, da Sie mit unterschiedlichen Verteilungen mit unterschiedlicher Streuung konfrontiert sind. K-Means erstellt sphärische Cluster, da es keine Unterschiede in den Verteilungen voraussetzt.
Sie könnten versuchen, normale Mischungen zu verwenden, da diese von Verteilungen und Varianzunterschieden Ihrer Merkmale beeinflusst werden, oder hierarchische Cluster , bei denen keine Verteilungen für die Clusterbildung angenommen werden.
Ich hoffe, ich habe Ihre Situation verstanden,
Vielen Dank, Victor, für die Antwort – das ist äußerst hilfreich!
