machine-learning - 如何处理 K-means 聚类中的缺失值？

Question

我正在根据他们购买不同类型的产品类别来进行客户细分。下面是我的数据的虚拟表示。（数据是客户购买的每个类别的总收入的百分比）：

图片链接

如上图链接所示，尽管此数据只有几个 0，但原始数据有很多 0。因此，将这些数据用于 kmeans 聚类不会输出任何可接受的见解，并且会使数据向左倾斜。删除行或平均丢失的数据会产生误导。：/

标签： machine-learningcluster-analysisk-means

Answer 1

如何处理缺失值是您的选择，它当然会影响您的聚类。没有一种“正确”的方式。几种流行的方式：

1. 用该特征的平均值/平均值填充每列缺失值
2. 引导：选择随机行并复制它的值以填充缺失值
3. Closer Neighbor：找到最近的邻居并根据他的缺失值进行填充。

如果没有看到您的完整数据以及您为什么要尝试使用集群，这有​​点难以帮助。视情况而定...

您总是可以进行一些特征提取（例如 PCA），也许它会提供一些更好的见解