我正在尝试对R中的包"ggplot2"附带的电影数据集进行聚类。我将使用k-means。此数据集附带的列名为：
[1] "title" "year" "length" "budget" "rating"
[6] "votes" "r1" "r2" "r3" "r4"
[11] "r5" "r6" "r7" "r8" "r9"
[16] "r10" "mpaa" "Action" "Animation" "Comedy"
[21] "Drama" "Documentary" "Romance" "Short"
你认为根据电影类型进行聚类是个好主意吗？我有点迷路了，不知道从哪里开始。有什么建议吗？
您需要弄清楚是什么让成为一个好的集群。
有数百万种方法可以对该数据集进行集群。因为你可以以不同的方式预处理数据，使用不同的算法、距离等等
如果没有你的指导，聚类算法只会做一些事情，很可能会返回一个完全无用的结果！
因此，您需要首先获得一个明确的目标：什么是好的集群？
然后，您可以尝试调整数据，以便聚类算法为此目标进行优化。对于k-均值，您需要在预处理中完成所有这些操作。对于hclust，您还可以选择与您的愿望相匹配的距离函数。
回答您的第一个问题：是的，我认为这是一个有趣的项目。使用这个数据集可能是了解不同数据挖掘技术的一种很酷的方式。
为了回答你的第二个问题，这里有一些建议。聚类是一种无监督的学习技术。当目标变量（在这种情况下，目标变量可能是电影的类型）未知时，学习是无监督的。然而，看看你列出的专栏，你似乎确实有类型信息。考虑到这一点，你有两个选择。首先，你可以假装你没有类型信息。在这种情况下，您将对其余数据应用k-均值。聚类完成后，可以通过将算法与已知类型进行比较来评估算法的效果。第二，你可以把这个问题当作一个分类问题。在这种情况下，您将使用流派信息来学习一个可以预测流派的模型。你可能已经知道了，但我只是想说出来。
为了给你一些关于集群问题的建议，我首先想知道"r1"，…，"r10’变量表示。它们是数值变量还是分类变量？K-means有两个步骤：一个步骤是将数据点指定给离它最近的质心，另一个步骤则是通过取群集中所有数据点的平均值来计算新质心。取这些变量的平均值有意义吗？
考虑到这一点，我建议首先选择要在聚类算法中使用的变量。然后编写以下函数：一个可以计算两点之间的距离的函数，一个可以将观测指定给最近的质心的函数，以及一个可以根据指定重新计算质心的函数。