我正在尝试使用 K-means 基于大约 1200 个二进制变量对大约 12000 个元素进行聚类。传统的距离度量（欧几里得、曼哈顿、汉明、列文斯坦）都没有产生令人满意的结果。
我设计了以下指标。
Dist(x,y)= P(x=0|y=1) P(y=0|x=1) 的最小值
有没有人对这类问题使用过类似的方法？使用这个指标有什么明显的缺陷吗？我对数据挖掘比较陌生，如果有任何反馈，我将不胜感激。
谢谢
问问题
1351 次
2 回答
1
您要建模的域是什么？您可以使用来自域的见解进行聚类吗？在这种一般情况下，可以说的很少。我会尝试降维，以便首先获得更有意义的特征，然后再进行聚类，但使用领域知识在这里会有所帮助。
于 2011-03-13T08:21:31.190 回答
1
您可以在二进制属性上使用 Jaccard 距离。假设您正在比较 2 行 A 和 B。
M11 - is the number of attributes where both Ai=Bi=1
M01 - is the number of attributes where Ai=0 and Bi=1
M10 - is the number of attributes where Ai=1 and Bi=0
Jaccard 系数为
J = M11/(M11+M10+M01)
Jaccard 距离为：
D=(M01+M10)/(M11+M10+M01)
于 2016-12-26T11:11:14.670 回答