根据已知的位置名称对蜂窝塔ID进行聚类

Question

我是数据挖掘的新手，我试图弄清楚如何对蜂窝塔ID进行聚类以从已知的位置标签（家庭，工作，其他地方，无信号）找到其位置。

我有一个用户A的位置驱动的数据集，其中包含cellID（检测到的塔楼的唯一ID），开始时间（它检测到特定塔楼的日期和时间），结束时间（连接到其他塔楼的最后日期和时间），地名（用户标记为place名称，例如住所，工作）。 数据集中也有未标记的位置，用户也将其留空，我想使用聚类方法标记这些celltower，以便它们表示为位置名称之一。

我正在使用R编程，并且试图将完整的数据集馈送给kmeans聚类，但这给了我警告消息，我完全不知道为什么？

* do_one（nmeth）中的错误：外部函数调用（参数1）中的NA / NaN / Inf

另外：警告消息：

在kmeans中（数据集，4，15）：强制强制引入的NA *

关于如何针对此问题使用聚类方法的任何建议？ 谢谢

Answer 1

由于在培训阶段您拥有所有带有标签和未标记的数据，因此您正在寻找的是“转导学习”，这与聚类（即“无监督学习”）略有不同。

对于每个蜂窝塔，您需要收集平均开始时间，结束时间和cellID。 您可以从以下cellIDs获取lat / lng： https ://mozilla-ichnaea.readthedocs.org/en/latest/api/search.html或http://locationapi.org/api （价格昂贵）。

这为您提供了每个塔的4维特征向量，目标是根据这些连续特征分配三元标记：

[avg_starttime avg_endtime lat lng]家庭/工作/其他

我不了解R，但是可以在python中进行基本的跨语言学习： http : //scikit-learn.org/stable/modules/label_propagation.html#label-propagation

如果您在标签传播方面没有获得良好的结果，并且由于现成的转换学习工具很少见，那么您可能只想在培训过程中忽略一些数据，而使用更标准的方法。 如果一开始就忽略未标记的数据，则可能会遇到“归纳式”或“监督式”学习问题（使用SVM解决）。 如果一开始就忽略标签，则可以使用无监督学习（例如，“聚类”；使用kmeans或DBSCAN），然后在完成聚类后将标签分配给聚类。

我不知道你是怎么得到NaN的。