statistics - 如何使用非常小的数据集对特征进行加权以实现更好的聚类？

Question

我正在开发一个程序，该程序接受特征空间(1000+维)中的几个(<50)高维点，并通过递归地使用标准 k 聚类对它们执行层次聚类。

我的问题是，在任何一个 k 聚类过程中，高维表示的不同部分都是冗余的。我知道这个问题是在特征提取、选择或加权的保护下出现的。

一般来说，在选择特定的特征提取/选择/加权算法时要考虑什么？具体来说，在我的情况下，什么算法是准备数据进行聚类的最佳方法？

Answer 1

查看这篇论文:

Witten DM 和 R Tibshirani (2010) 聚类中特征选择的框架。美国统计协会杂志 105(490): 713-726。

以及 Friedman 的相关论文 COSA。他们都深入讨论了这些问题。