聚类中遇到的问题解决

一般我们用的聚类算法为kmeans聚类，偶尔也用谱聚类，层次聚类效率比较低，几乎不用

本文除了实际中遇到的，也参照了各种公众号资料

1.聚类的中心选择对聚类的影响较大，所以可以选择多次聚类，查看聚类效果

2.聚类需要人工设定聚类个数，一般使用轮廓系数和肘部法则来确定最佳类别数

3.共线性对聚类的影响较大，容易增大该特征权重，所以聚类前要使用相关性等对特征进行检验，另外，还可利用熵对特征进行提取（不过这个应该是需要前期人工进行一部分分类工作）

4.很多数据就和现实一样存在二八原则，所以聚类时会把百分之80的聚在一类，但是我们又希望看到百分之80客户类别的微小差别聚类特征，这时候我们可以对特征log处理，不过log之后的数据理解起来不是很直观

5.聚类使用的是距离度量，所以一般不用虚拟变量12等类别聚类，同时，一般不使用离散数据聚类

6.特征方差大小对聚类影响不大，方差大只能说明观测数据的波动性较大，但与聚类得影响较小，聚类是对样本聚类，使类别内方差小，类别间方差大