0
我试图使用高维数据集（CDR数据）的K均值。如何在进行K均值聚类后找到每个聚类中最具代表性/区分性的特征？
集群后，我谨代表每个集群与最翔实的特点能展现出独特的/代表客户在该集群的特征。
例如，
群集1：高：call_duration]，[低：NUMBER_OF_FRIENDS]，[高：call_at_night]
群集2： [低：call_duration]，[高：use_promot离子]
集群3：高：internet_usage]
我想知道......
问题1：我如何才能找到那些信息量大的特点哪个可以代表每个集群？ 问题2：如果有很多信息性的特征，如何衡量哪一个更具代表性？
另一个问题是“如何衡量值是高还是低？”
我的当前的解决方案在每个聚类中心施加的z归一化每一个特征，那么我假定
- <-2σ或>2σ是离群
- （-2σ到-1σ）或（1σ到2σ）是低/高
- -1σ到1σ是med IUM
问题3：这个衡量标准是否有意义？请给我你的建议。