如何表示k数据表示聚类

Question

我有用户组及其关联词。这是我已分组它们：

我已关联的每个字与数目，且如果用户没有任何的这些词语相关联的I得到的值0：

谷歌：1 计算器：2 数学：3 编程：4 noword：0

要运行K-means算法我词语相关联，如下所示：

username google stackoverflow math programming 
user1  1  0   3  0 
user2  1  2   0  4 
user3  0  2   3  0 
user4  1  1   0  4 

这是一个正确实施如何对每个用户进行聚类，并根据他们配置的单词检查彼此之间的距离。

我在此基础实施：http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Clustering/K-Means

尤其是本节：您的数据可以构造为二进制

Answer 1

通知。例如，用户1或者具有与stackoverflow的关联或者不具有（即，二进制值）。因此，你应该Munge时间你的数据格式为：

username google stackoverflow math programming 
user1  1  0   1  0 
user2  1  1   0  1 
user3  0  1   1  0 
user4  1  1   0  1 

我会建议对K-均值为您的数据，因为聚类中心的概念是二进制数据有问题。有关更多详细信息，请参阅this link的前几个段落。

但是，仍然可以使用适当的方法（例如Jaccard index）计算任意两个用户之间的相似度，因为每个用户的单词关联可以写为二进制字符串（例如，user1具有1010）。然后，您可以在所有用户对之间构建一个similarity matrix，并使用诸如hierarchical clustering之类的方法对它们进行聚类。

或者，您可以使用类似Proximus in R的东西。