使用 K 均值模拟聚类 - 负值你好，
当我从 K Means 平台模拟聚类时，我得到了我的一个变量的一些负模拟值，实际上，这些值只能是正值。
查看此变量的原始分布，它是非正态的并且以零为界（因此类似对数正态分布的东西非常适合它）。
有没有办法确保集群模拟生成的数据保持正值？
非常感谢，
艾丽西娅
预测模型和机器学习回复：使用 K 均值模拟聚类 - 负值你好@Alicia_500 ，
欢迎加入社区！
聚类可以通过不同的算法来完成，这取决于您的目标、数据类型以及创建聚类的标准：基于分布、基于点密度、基于点之间的层次结构/链接……
您可以在此处查看基于数据类型的可用算法： 聚类观察平台概述
如果您需要有关如何使用不同算法的更多信息，可以观看此视频： 聚类 | JMP
@Chelsea-Parlett还写了一篇非常好的博客，解释了聚类方法之间的差异： 无监督机器学习的聚类方法（jmp.com）
就您的用例而言，由于提供的信息相对较少，并且缺乏测试某些方法的数据，我认为 K-Means 可能不是最合适的聚类技术，因为您面对的是具有不同“扩展”的不同分布。K-Means 创建球形聚类，因为它不假设分布有任何差异。
您可以尝试使用正态混合，因为它会受到特征或层次聚类的分布和方差差异的影响，而层次聚类不假设任何聚类分布。
希望我确实了解你的处境，
回复：使用 K 均值模拟聚类 - 负值感谢 Victor 的回复 - 这非常有帮助！
