Clustering-Algorithmen für maschinelles Lernen Probe

Question

Ich habe eine 1830 * 6800 Matrix wie unten:

Die Reihe 1830 für verschiedene Startup-Unternehmen ID ist, die Spalte für 6800 verschiedene Investoren. Jetzt möchte ich die Ähnlichkeiten zwischen jenen Unternehmen finden, die erfolgreich genug Geld sammeln, und denjenigen, die nicht so viel Glück haben, genug Geld zu bekommen.

Ich denke über die Verwendung von K-Means-Clustering und Spektralclustering, setzen Sie die Cluster-Nummer auf 2, um 2 verschiedene Gruppen zu haben (d. H. Erfolg & fehlschlagen). Aber das k-Mittel gibt mir fast alle 0, was bedeutet, dass alle Zeilen im selben Cluster sind.

Kann mir jemand etwas überlegen, wie man einen geeigneteren Algorithmus für diese Situation wählt? Es muss nicht gruppiert werden.

Answer 1

Zufallsprojektion tut hier wahrscheinlich mehr Schaden als Nutzen. Stattdessen entfernen z.B. Alle Investoren, die in ein einzelnes Unternehmen investiert haben, alle Unternehmen, die keine Investoren mehr haben, wiederholen.

Aber alles in allem würde ich sagen, Sie haben hier eine hoffnungslose Aufgabe.

Clustering wird Ihnen nicht helfen. Es gibt keine Möglichkeit, Erfolg oder Misserfolg Cluster zu erhalten. Es ist viel wahrscheinlicher, dass Sie Cluster an der Ost- oder Westküste bekommen. oder verschiedene Felder. Clustering ist das falsche Werkzeug, wenn Sie ein Ziel wie Erfolg/Misserfolg haben.

Darüber hinaus sind Ihre Daten voller Anomalien, und k-means können nicht gut mit ihnen umgehen. Wahrscheinlich liegt fast alles im selben Cluster.

Das Beste, was Sie versuchen können, sind häufige Artikelsets, die (je nachdem, wie Sie es anwenden) Gruppen von Investoren identifizieren, die in dieselben Unternehmen investieren, und Gruppen von Unternehmen, die tendenziell dieselben Investoren haben.

Answer 2

Ich denke, Sie verwenden die Daten falsch. Wenn es 140.000.000.000 Investoren gibt, haben Sie eine extrem dünne Matrix. Hat jede Spalte Daten? Wenn nicht, entferne es. Sie sagen, Ihre Daten sind:

"1 oder 0 ist. 1 ist für erfolgreich Geld von einem dieser Investoren, 0 ist für Fehler." Die große Mehrheit Ihrer Zellen sollte dann null sein, weil ich mir nicht vorstellen kann, dass ein Startup versucht hat, Geld von 6.800 Investoren zu bekommen - stellen Sie sicher, dass Ihre Daten nur Nullen für diejenigen Firmen sind, die aktiv um Finanzierung gebeten wurden.

Auch, wie definieren Sie Erfolg? Ist es eine Anzahl von Investoren? Ein Betrag? Ich denke, Ihre Daten geben Ihnen, wie strukturiert, nicht die Antworten, nach denen Sie suchen.