0

根据他们选择的数码相机的功能，我有 128 位受访者的二进制数据。其中“1”表示选择特征，“0”表示未选择特征。我在列中有 92 个产品特征，在行中有响应者。每个受访者从 92 个特征中准确选择了 20 个特征。我想根据他们选择的功能创建不同用户组的集群。我在这些二进制数据上尝试了一些聚类算法，如模糊聚类和分层算法，但它没有给我任何好的结果，而且创建的聚类非常糟糕。所以现在我已经将骰子系数相似性矩阵应用于响应者的数据，这基本上给了我每个响应者与所有其他响应者的相似度得分。是否可以在这个相似度矩阵上应用聚类技术来获得好的聚类？还有哪些聚类技术可以应用在这个用户相似度矩阵上，这样我就可以根据他们的相似度分数来识别用户的聚类。任何建议和评论将不胜感激

4

1 回答 1

0

由于您的数据集很小，因此请使用层次聚类。

它可以用距离或相似度来实现。

于 2017-03-08T21:17:21.837 回答