Wie verwendet man LDA/Bi Clustering/K-Mittel, um zeitliche Clusterbildung R durchzuführen?

Question

Ich habe einen Datensatz wie diesen, der etwa 1000 Passagier IDs und ihre Reisefrequenz zwischen Temporal 1 und Temporal 12 von Sonntag bis Samstag enthält. Ist es möglich, diesen Datensatz mithilfe von bi-Clustering zu clustern? und wie es geht.

ID T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 Day 
1005 0 5 15 1 0 1 20 2 1 1 0 0 Sunday 
1005 0 2 1 0 4 1 21 1 0 0 0 0 Monday 
1005 0 0 12 0 1 4 1 2 0 1 1 1 Tuesday 
1005 0 0 5 1 0 0 6 0 0 2 0 1 Wednesday 
1005 0 0 0 2 2 2 2 1 0 2 0 0 Thursday 
1005 0 0 0 0 1 1 0 1 0 0 1 0 Friday 
1005 0 0 0 0 1 0 0 0 0 1 0 0 Saturday 
1006 2 0 0 2 0 0 0 0 1 0 0 0 Sunday 
1006 2 0 0 0 0 0 1 1 1 2 0 0 Monday 
1006 0 5 0 0 1 2 0 3 1 4 0 0 Tuesday 
1006 0 5 0 0 1 0 1 2 2 0 1 1 Wednesday 
1006 0 0 2 2 0 0 2 3 3 2 0 0 Thursday 
1006 1 0 0 0 2 0 0 3 2 2 1 0 Friday 
1006 0 0 0 0 0 0 0 0 0 0 0 0 Saturday 
1010 0 0 1 3 4 2 1 4 7 3 0 0 Sunday 
1010 2 1 1 1 1 2 3 1 3 4 2 2 Monday 
1010 0 3 3 3 5 4 5 2 2 4 6 1 Tuesday 
1010 2 1 2 0 3 1 2 1 2 3 6 1 Wednesday 
1010 5 1 2 2 2 1 3 1 0 1 3 0 Thursday 
1010 2 2 1 2 3 0 3 0 2 2 2 4 Friday 
1010 0 1 2 1 1 3 4 3 0 3 2 2 Saturday 

I haben auch versucht, Daten in diesen Satz zu konvertieren (durch Schmelzpolymerisation unter Verwendung und für loop) Var1 bedeutet "T1 Sunday", Var2 bedeutet "T2 Sunday", und so weiter. Var84 bedeutet T12 Samstag.

ID Var1 Var2 Var3 Var4 Var5 Var6 Var7 Var8 Var9 Var10 Var11 Var12 Var13 Var14 Var15 Var16 Var17 Var18 Var19 Var20 Var21 Var22 Var23 Var24 Var25 Var26 Var27 
1 1005 0 5 15 1 0 1 20 2 1  1  0  0  0  2  1  0  4  1 21  1  0  0  0  0  0  0 12 
2 1006 2 0 0 2 0 0 0 0 1  0  0  0  2  0  0  0  0  0  1  1  1  2  0  0  0  5  0 
3 1010 0 0 1 3 4 2 1 4 7  3  0  0  2  1  1  1  1  2  3  1  3  4  2  2  0  3  3 
    Var28 Var29 Var30 Var31 Var32 Var33 Var34 Var35 Var36 Var37 Var38 Var39 Var40 Var41 Var42 Var43 Var44 Var45 Var46 Var47 Var48 Var49 Var50 Var51 Var52 Var53 Var54 
1  0  1  4  1  2  0  1  1  1  0  0  5  1  0  0  6  0  0  2  0  1  0  0  0  2  2  2 
2  0  1  2  0  3  1  4  0  0  0  5  0  0  1  0  1  2  2  0  1  1  0  0  2  2  0  0 
3  3  5  4  5  2  2  4  6  1  2  1  2  0  3  1  2  1  2  3  6  1  5  1  2  2  2  1 
    Var55 Var56 Var57 Var58 Var59 Var60 Var61 Var62 Var63 Var64 Var65 Var66 Var67 Var68 Var69 Var70 Var71 Var72 Var73 Var74 Var75 Var76 Var77 Var78 Var79 Var80 Var81 
1  2  1  0  2  0  0  0  0  0  0  1  1  0  1  0  0  1  0  0  0  0  0  1  0  0  0  0 
2  2  3  3  2  0  0  1  0  0  0  2  0  0  3  2  2  1  0  0  0  0  0  0  0  0  0  0 
3  3  1  0  1  3  0  2  2  1  2  3  0  3  0  2  2  2  4  0  1  2  1  1  3  4  3  0 
    Var82 Var83 Var84 
1  1  0  0 
2  0  0  0 
3  3  2  2 

Mithilfe dieses Datasets kann ich sie gruppieren, indem Sie K-Mean verwenden? Ich bin mir nicht sicher, welche Cluster-Technik für diese Art von Datensatz besser geeignet ist.

ID Hot temporal topics 
1005 var2 var2 var2 var2 var2 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var3 var4 var6 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var7 var8 var8 var9 var10 var14 var14 var15 var17 var17 var17 var17 var18 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var19 var20 var27 var27 var27 var27 var27 var27 var27 var27 var27 var27 var27 var27 var29 var30 var30 var30 var30 var31 var32 var32 var34 var35 var36 var39 var39 var39 var39 var39 var40 var43 var43 var43 var43 var43 var43 var46 var46 var48 var52 var52 var53 var53 var54 var54 var55 var55 var56 var58 var58 var65 var66 var68 var71 var77 var82 
1006 var1 var1 var4 var4 var9 var13 var13 var19 var20 var21 var22 var22 var26 var26 var26 var26 var26 var29 var30 var30 var32 var32 var32 var33 var34 var34 var34 var34 var38 var38 var38 var38 var38 var41 var43 var44 var44 var45 var45 var47 var48 var51 var51 var52 var52 var55 var55 var56 var56 var56 var57 var57 var57 var58 var58 var61 var65 var65 var68 var68 var68 var69 var69 var70 var70 var71 
1010 var3 var4 var4 var4 var5 var5 var5 var5 var6 var6 var7 var8 var8 var8 var8 var9 var9 var9 var9 var9 var9 var9 var10 var10 var10 var13 var13 var14 var15 var16 var17 var18 var18 var19 var19 var19 var20 var21 var21 var21 var22 var22 var22 var22 var23 var23 var24 var24 var26 var26 var26 var27 var27 var27 var28 var28 var28 var29 var29 var29 var29 var29 var30 var30 var30 var30 var31 var31 var31 var31 var31 var32 var32 var33 var33 var34 var34 var34 var34 var35 var35 var35 var35 var35 var35 var36 var37 var37 var38 var39 var39 var41 var41 var41 var42 var43 var43 var44 var45 var45 var46 var46 var46 var47 var47 var47 var47 var47 var47 var48 var49 var49 var49 var49 var49 var50 var51 var51 var52 var52 var53 var53 var54 var55 var55 var55 var56 var58 var59 var59 var59 var61 var61 var62 var62 var63 var64 var64 var65 var65 var65 var67 var67 var67 var69 var69 var70 var70 var71 var71 var72 var72 var72 var72 var74 var75 var75 var76 var77 var78 var78 var78 var79 var79 var79 var79 var80 var80 var80 var82 var82 var82 var83 var83 var84 var84 

Außerdem habe ich versucht, auch die Frequenz in Worte umzuwandeln (beispielsweise 20 in Var8 und schreibe Var8 20 mal), dass .Ist geeignet für LDA unter Verwendung dieses Datensatzes clustern?

Answer 1

Behandeln Sie Clustering niemals als Blackbox-Algorithmen.

Die Ergebnisse lösen höchstwahrscheinlich ein anderes Problem.

Jeder Clustering-Algorithmus versucht, eine bestimmte Art der Struktur zu finden. K-means versucht beispielsweise, die Voronoi-Partitionierung der Daten mit den kleinsten quadratischen Abweichungen zu finden. Es macht nur Sinn, k-means zu verwenden, wenn die kleinsten Quadrate das Problem sind, das Sie lösen möchten.

Daher sollten Sie erste über die Muster spezifisch Sie suchen (die auf Ihre Daten und Ihr Problem hängt), identifizieren dann einen Cluster-Algorithmus solche Muster zu finden.

Also, welche Muster suchen Sie, und wie können Sie berechnen die Qualität eines Musters?