如何预处理游戏数据 - k-means答案

【问题标题】：How to pre-processing data of a game - k-means如何预处理游戏数据 - k-means
【发布时间】：2019-05-01 04:11:41
【问题描述】：

我有一张这样的用户分数表：

user_id  score duration_of_per_play  start_date
  1        56    313                 2018-01-09
  2        14    560                 2018-08-01
  1        56    113                 2018-01-09
  4        14    340                 2018-08-01
....

现在我想对用户集群使用k-means 算法。只是我知道我没有Missing Values 和outliers。

但我不知道：

下一步是什么？
我需要centering 数据吗？

我有这个游戏的 42,000 条记录。我想根据scores 和duration_of_per_play 对用户进行集群。

【问题讨论】：

您有或没有有异常值和/或缺失值？
创建一个特征向量（可能是其中的一行）并将其填充到k-means implementation 中。估计的平均值（它们是 KMeans 类的属性）会产生您的结果。注意 1：不，您不需要将数据居中。注意 2：检查这是否真的符合您的需求。
@Shlomif 感谢您的评论，我对异常值进行了预处理，并且我没有任何缺失值，因为我通过这些记录从我的 API 收集并且所有验证都已完成。

标签： python cluster-analysis data-mining k-means

【解决方案1】：

K-means 本身不需要预先居中，但由于您使用的功能规模不同，您将从规范化数据中获益。
因此，我建议减去平均值并除以 STD（当然是每轴），然后只使用许多 k-mean 实现中的一种。
我还阅读了有关 k-means 以及有关选择集群数量、处理异常值等的不同选项，但这不是您所要求的“下一步”。
祝你好运！

这是一个很好的实现，您可以开始：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

【讨论】：

是的。但同样，一些预处理可以提供帮助。我的回答有帮助吗？