CIAO,
Quando simulo cluster dalla piattaforma K Means ottengo alcuni valori simulati negativi per una delle mie variabili che, in termini pratici, può essere solo positiva.
Osservando la distribuzione originale di questa variabile, essa non è normale e limitata a zero (quindi qualcosa come una distribuzione log-normale si adatta bene).
Esiste un modo per garantire che i dati generati dalla simulazione del cluster rimangano positivi?
Grazie molto,
Alicia
Ciao @Alicia_500 ,
Benvenuti nella Community!
Il clustering può essere effettuato con algoritmi diversi, a seconda degli obiettivi, dei tipi di dati e del criterio in base al quale si crea il clustering: in base alle distribuzioni, alla densità dei punti, alle strutture gerarchiche/collegamenti tra i punti, ...
Puoi dare un'occhiata agli algoritmi disponibili in base ai tuoi tipi di dati qui: Panoramica delle piattaforme per il clustering delle osservazioni
Se hai bisogno di maggiori informazioni su come utilizzare i diversi algoritmi, puoi guardare questo video: Clustering | JMP
C'è anche un blog molto interessante di @Chelsea-Parlett che spiega le differenze tra i metodi di clustering: Metodi di clustering per l'apprendimento automatico non supervisionato (jmp.com)
Per quanto riguarda il tuo caso d'uso, con le informazioni relativamente scarse fornite e l'assenza di dati per testare alcuni approcci, penso che K-Means potrebbe non essere la tecnica di clustering più adatta, poiché ti trovi di fronte a distribuzioni diverse con "spread" diversi. K-Means crea cluster sferici, poiché non presuppone alcuna differenza nelle distribuzioni.
Puoi provare a usare Miscele normali , che sarà influenzato dalle differenze di distribuzione e varianza delle tue feature, oppure Cluster gerarchico , che non presuppone alcuna distribuzione per il clustering.
Spero di aver capito la tua situazione,
Grazie Victor per la risposta: è davvero utile!
