一段时间以来，我有一个问题，我还没有找到正确的答案。

我的疑问涉及对应用 a 的clustering algorithm特征运行的结果的解释log-transformation。

具体来说，假设我们要运行k-means algorithm3 个区间变量。不幸的是，这三个区间变量的分布非常糟糕，k-means 给出了我们所见过的最糟糕的结果。但是，让我们想象一下，通过将 alog transformation应用于每个变量，我们得到三个非常完美normal distribution的 。
然后，我们再次运行k-means，我们得到了完美的clusters。

现在，我的疑问涉及通过k-means对三个log-transformed变量运行 a 获得的这个集群的解释：不清楚我们对获得的集群的解释是应该对原始变量进行还是应该对log-transformed变量进行？

显然，我的示例与对数转换有关，但我们可以讨论z-score或应用min-max normalization任何其他类型的方法transformation，以便distribution在运行聚类算法之前提高质量。

澄清一下，我所说的解释是profiling集群的，这意味着尝试描述哪些是属于该集群的个体的共同特征。