大型多维数据的无监督聚类
Unsupervised Clustering of large multi-dimentional data
大家好，我是机器学习新手。我需要一些关于高维数据无监督聚类的帮助。我有超过 15 个维度的数据，大约有 50 - 8 万行。数据看起来像这样（15 个参与者，每个参与者的行数几乎相等，15 个特征）-
Participant
time
feature 1
feature 2...
1
0.05
val
val
1
0.10
val
val
2
0.05
val
val
2
0.10
val
val
2
0.15
val
val
数据由许多参与者组成，每个参与者都有多行数据，并且他们的时间戳记有他们的特征。我的目标是根据参与者对这些数据进行聚类，并根据这些聚类进行推断。这里的问题是每个参与者都有很多行，我无法用一个点代表每个参与者，因此将它们聚类似乎是一项艰巨的任务。
我需要帮助：
什么是聚类此数据的最佳方法，以便我可以根据参与者进行推断？
我应该使用哪种聚类技术？我尝试过 sklearn 的 Kmeans、meanshift 和其他库，但它们花费的时间太长，导致我的系统崩溃。
抱歉如果有点难理解我会尽力回答你的问题。预先感谢您的帮助。如果这个问题与其他问题非常相似，请告诉我（我找不到它）。
谢谢:)
由于您无法满足必要的计算量，因此您必须在此处做出某种妥协。这里有一些可能会解决您的问题的建议，但它们都是有代价的。
降维，即 PCA 将您的列数减少到 ~2 左右。您将丢失一些信息，但您将能够绘制它并通过 K-means 进行推理。
平均患者数据。不确定这是否足够，这取决于您的数据。这将失去对患者的超时观察，但可能会大大减少行数。
我的建议是进行降维，因为随着时间的推移丢失患者的数据可能会使您的数据变得无用。除了 PCA 之外还有其他东西，例如自动编码器。为了按照您描述的方式进行聚类，我建议您坚持使用 K-means 或软 K-means。
大家好，我是机器学习新手。我需要一些关于高维数据无监督聚类的帮助。我有超过 15 个维度的数据，大约有 50 - 8 万行。数据看起来像这样（15 个参与者，每个参与者的行数几乎相等，15 个特征）-
| Participant | time | feature 1 | feature 2... |
|---|---|---|---|
| 1 | 0.05 | val | val |
| 1 | 0.10 | val | val |
| 2 | 0.05 | val | val |
| 2 | 0.10 | val | val |
| 2 | 0.15 | val | val |
数据由许多参与者组成，每个参与者都有多行数据，并且他们的时间戳记有他们的特征。我的目标是根据参与者对这些数据进行聚类，并根据这些聚类进行推断。这里的问题是每个参与者都有很多行，我无法用一个点代表每个参与者，因此将它们聚类似乎是一项艰巨的任务。
我需要帮助：
什么是聚类此数据的最佳方法，以便我可以根据参与者进行推断？
我应该使用哪种聚类技术？我尝试过 sklearn 的 Kmeans、meanshift 和其他库，但它们花费的时间太长，导致我的系统崩溃。
抱歉如果有点难理解我会尽力回答你的问题。预先感谢您的帮助。如果这个问题与其他问题非常相似，请告诉我（我找不到它）。
谢谢:)
由于您无法满足必要的计算量，因此您必须在此处做出某种妥协。这里有一些可能会解决您的问题的建议，但它们都是有代价的。
降维，即 PCA 将您的列数减少到 ~2 左右。您将丢失一些信息，但您将能够绘制它并通过 K-means 进行推理。
平均患者数据。不确定这是否足够，这取决于您的数据。这将失去对患者的超时观察，但可能会大大减少行数。
我的建议是进行降维，因为随着时间的推移丢失患者的数据可能会使您的数据变得无用。除了 PCA 之外还有其他东西，例如自动编码器。为了按照您描述的方式进行聚类，我建议您坚持使用 K-means 或软 K-means。