这可能不是一个很好的问题，但我仍然会问在运行聚类算法之前进行 EDA 是否有益？
我知道 EDA 可以帮助我们对数据产生良好且有用的见解，这对于数据理解至关重要。如果我们抛开标准检查和操作，例如 - 移除异常值、缩放、移除常量值列、移除空值/“零”值列等，并且如果我们有 20-30 个特征。EDA 将如何帮助我生成良好且合理的集群？是否有必要在集群之前进行 EDA？
注意：我使用的是 k-means
在进行聚类之前，通过对特征（以及数据）进行探索性数据分析，我可以获得什么价值？
数据挖掘
机器学习
数据挖掘
聚类
无监督学习
k-均值
2022-02-28 22:55:41
1个回答
您怎么知道在查看数据之前必须进行聚类分析？
抛开数据质量问题（你永远不应该这样做），最少的 EDA 将帮助你：
- 知道进行聚类分析是否相关（很少 imo）
- 知道 K-means 是否是最好的聚类工具（很少 imo）
- 了解集群的数量
然后你应该做一些 EDA，以了解你选择的集群是什么。
编辑：基本上，它将帮助您回答此类问题：如何解释我的聚类结果？
其它你可能感兴趣的问题