我正在从事最后一年的项目，该项目必须使用无监督学习（KMeans 算法）进行编码。它是根据他们的认知技能水平从各种游戏中预测一个合适的游戏。技能是专注力、反应时间、记忆力和注意力。
第一个问题是我找不到包含技能和游戏的合适数据集。然后我不确定如何找出集群。是否有任何可能的方法来找出合适的数据集以及如何对它们进行聚类？
此外，如果没有数据集（不使用强化学习），我该怎么做？
提前致谢
【问题讨论】：
标签： machine-learning dataset k-means unsupervised-learning
首先，我对你的问题有点困惑。但我会尽力回答。 K-means 聚类是一种基于数据彼此距离（通常是欧几里得）的无监督聚类方法。具有相似特征的数据点距离更近，然后会被聚类到同一个簇中。
我假设您正在尝试构建一个算法，根据个人的注意力、反应时间、记忆力和注意力技能，输出推荐的游戏。
第一个问题是我找不到包含技能和游戏的合适数据集。
对于数据集，您可以真正构建自己的数据集，如下所示：
标签 = [游戏]
特征 = [专注力、反应时间、记忆力、注意力]
标签是一个 n × 1 的向量，其中 n 是游戏数。特征是一个 n x 4 的向量，每个技能可以有 1 - 5 的范围，5 是最高的。然后用你最喜欢的经典游戏填充它。
例如，俄罗斯方块可能是您的第一个游戏，您可以像这样将它添加到您的数据集中：
标签 = [俄罗斯方块]
特征 = [5, 2, 1, 4]
在玩俄罗斯方块时你需要高度集中注意力，但你不需要很好的响应时间，因为方块很慢而且你不需要记住任何东西。
那我不知道如何找出集群。
您首先必须确定要使用的距离，例如曼哈顿、欧几里得等。然后你需要决定集群的数量。 k-means算法很简单，看下面的视频来学习吧：https://www.youtube.com/watch?v=_aWzGGNrcic
此外，如果没有数据集（不使用强化学习），我该怎么做？
这个问题的意义为 0，因为首先，如果你没有数据，你如何对它们进行聚类？想象一下你的朋友要求你把所有的青苹果和红苹果分开。但是他们从来没有给过你任何苹果……你怎么可能把它们聚在一起？这是不可能的。
其次，在这种情况下，我不确定您所说的强化学习是什么意思。强化学习是关于存在于环境中的代理，并学习如何在该环境中以最佳方式表现以最大化其内部奖励。例如，一个人进入赌场并试图赚到最多的钱。它与数据集无关。
【讨论】：