k- 평균 군집화에 평균 정규화 및 기능 스케일링이 필요합니까?

k- 평균을 수행하기 전에 가장 좋은 (권장) 전처리 단계는 무엇입니까?

변수가 비교할 수없는 단위 (예 : 높이 (cm), 무게 (kg)) 인 경우 물론 변수를 표준화해야합니다. 변수가 동일한 단위이지만 상당히 다른 분산을 보여도 K- 평균 전에 표준화하는 것이 좋습니다. K- 평균 군집화는 공간의 모든 방향에서 "등방성"이므로 다소 길거나 길지 않은 군집을 생성하는 경향이 있습니다. 이 상황에서 분산이 동일하지 않은 것은 분산이 작은 변수에 더 많은 가중치를 두는 것과 같으므로 클러스터는 분산이 큰 변수와 함께 분리되는 경향이 있습니다.

K- 평균 군집화 결과는 데이터 세트 의 객체 순서에 잠재적으로 민감하다는 점도 기억해야합니다 . 정당한 관행은 객체 순서를 무작위 화하여 분석을 여러 번 실행하는 것입니다. 그런 다음 해당 런의 클러스터 중심을 평균화하고 분석의 최종 실행을위한 초기 중심으로 중심을 입력합니다.$^1$

다음 은 군집 또는 다른 다변량 분석에서 기능을 표준화하는 문제에 대한 일반적인 추론입니다.

$^1$ 구체적으로, (1) 일부 센터 초기화 방법은 대소 문자를 구분합니다. (2) 초기화 방법이 민감하지 않은 경우에도 결과는 초기 센터가 프로그램에 도입되는 순서 (특히 데이터 내에 동일한 거리가있는 경우)에 따라 때때로 달라질 수 있습니다. (3) 이른바 런닝 수단 k-means 알고리즘의 버전 은 자연스럽게 사례 순서에 민감합니다 (이 버전에서는 온라인 클러스터링과는 별개로 자주 사용되지 않음)-개별 사례가 다른 클러스터).

내가 추측 한 데이터에 따라 다릅니다. 규모에 관계없이 데이터의 추세를 함께 묶으려면 중앙에 위치해야합니다. 예. 어떤 유전자 발현 프로파일이 있고 유전자 발현의 경향을보고 싶다고 말하면 평균 중심화없이 낮은 발현 유전자가 모여서 추세에 관계없이 고 발현 유전자로부터 멀어지게됩니다. 센터링은 유사한 발현 패턴을 갖는 유전자 (고 발현 및 저 발현)를 함께 클러스터로 만든다.