나는 그들이 선택한 디지털 카메라의 기능을 기반으로 128 명의 응답자의 이진 데이터를 가지고 있습니다. 여기서 '1'은 지형지 물의 선택을 나타내고 '0'은 지양되지 않은 지형지 물을 나타냅니다. 92 개의 제품 기능이 행에 있고 응답자가 행에 있습니다. 각 응답자는 92 가지 기능 중에서 20 가지 기능을 정확하게 선택했습니다. 내가 선택한 기능을 기반으로 다른 사용자 그룹의 클러스터를 만들고 싶습니다. 이 binaray 데이터에 대해 퍼지 클러스터링 및 hierarichal과 같은 클러스터링 알고리즘을 시도했지만 좋은 결과를 얻지 못했고 클러스터 생성이 매우 어려웠습니다. 이제 저는 응답자와 데이터에 주사위 계수 유사 매트릭스를 적용했습니다. 기본적으로 다른 모든 응답자와 각 응답자의 유사성 점수를 제공합니다. 좋은 클러스터를 얻기 위해이 유사 매트릭스에 클러스터링 기법을 적용 할 수 있습니까? 또한이 사용자 유사도 행렬에 적용 할 수있는 클러스터링 기술을 사용할 수 있으므로 사용자의 유사성 점수를 기반으로 사용자 클러스터를 식별 할 수 있습니다. 모든 제안 및 의견은 정말로 감사 할 것입니다.유사성 매트릭스에 대한 클러스터링 기술
0
A
답변
0
데이터 세트가 작기 때문에 계층 적 클러스터링을 사용하십시오.
유사점을 갖는 거리 또는으로 구현할 수 있습니다.
관련 문제
- 1. 코사인 유사성 값에서 클러스터링
- 2. 이진 데이터 클러스터링 기술
- 3. 파이썬 검색 기술 : 단어의 유사성
- 4. doc2vec 클러스터링 n * n 문서 간의 유사성
- 5. 매트릭스에 대한 정수 (cvMat)
- 6. 매트릭스에 대한 numpy 합계
- 7. 매트릭스에 대한 스칼라의 차별화
- 8. 매트릭스에 대한 아이디어
- 9. 유사성 검색에 대한 인덱싱
- 10. 유사성 측정으로 상호 정보를 사용하는 계층 적 클러스터링?
- 11. 비 텍스트 속성을 가진 유사 고객을 찾기위한 유사성 일치 기술
- 12. iOS 회전 매트릭스에 대한 설명
- 13. mysql의 단어 유사성/유사성
- 14. 문자열에 대한 Sklearn 코사인 유사성,
- 15. 클러스터링 방법에 대한 제안
- 16. 클러스터링 알고리즘에 대한 입력
- 17. 유사성
- 18. 스파크 클러스터링 : 동일한 클러스터 내의 요소에 대한 유사성 측정 방법은 무엇입니까?
- 19. 다차원 데이터 클러스터링
- 20. UICollectionView에 대한 지연로드 기술
- 21. 안드로이드에 대한 JPanel 기술
- 22. 유사 매트릭스의 효과적인 클러스터링
- 23. 혼합형 값 매트릭스에 대한 저장 문제
- 24. 스파 스 매트릭스에 대한 pLSA 구현
- 25. 스파 스 매트릭스에 대한 링크 표현
- 26. RPART 형식 매트릭스에 대한 예측 출력을 설명합니다.
- 27. 카메라 매트릭스에 대한 최소 제곱 해답 [numpy]
- 28. 이미지 분할에 대한 Kmean 클러스터링
- 29. 클러스터링 알고리즘에 대한 데이터 집합
- 30. 메쉬에 대한 고 가용성 클러스터링