我正在学习 R，我必须使用时间戳字段对数字数据进行聚类。 其中一个参数是时间，由于数据严格依赖于昼夜，我想考虑该数据的“球形”性质。
据我从手册中看到，skmeans 等库不能处理“圆柱形”数据，只能处理“球形”数据（即所有组件都在极坐标中）。
我对合适解决方案的想法如下：我可以将 HOUR 列 (0-24) 分解为两个不同的列 X,Y 并用极坐标表示时间，例如 x^2+y^2=1 . 这样，具有欧几里德距离的 k 均值在解释数据时应该没有问题。
我说的对吗？
【问题讨论】：
标签： r cluster-analysis k-means
k-means 应该使用平方欧几里得距离。
但确实：将您的数据投影到有意义的欧几里得空间中是避免此类问题的简单方法。
但是请注意，您的平均值将不再位于圆柱体上。在许多情况下，您可以将平均值缩放到所需的圆柱体。但它可能会变为 0，则无法进行有意义的重新缩放。
另一个选项是kernel k-means。由于您想要的距离是数据转换后的欧几里得距离，因此您也可以“核化”此转换，并使用核 k-means。但在特定情况下转换数据实际上可能更快。只有在使用更复杂的变换（例如，到无限维向量空间）时，它才可能得到回报。
【讨论】：
这是h 到m 的映射，其中h 是以小时为单位的时间（以及一小时的几分之一）。然后我们尝试kmeans，至少在这个测试中它似乎有效：
h <- c(22, 23, 0, 1, 2, 10, 11, 12)
ha <- 2*pi*h/24
m <- cbind(x = sin(ha), y = cos(ha))
kmeans(m, 2)$cluster # compute cluster assignments via kmeans
## [1] 2 2 2 2 2 1 1 1
【讨论】：