【請益】 資料集全部特徵皆為二元類別 (Yes 和 No) 的機器學習資料分群問題
各位好，最近嘗試在處理二元資料類別的資料，遇到一些問題，也發現網路上很少有討論到"資料集全部特徵皆為二元類別"的相關內容，以下是我的處理資料時的幾個疑問 : 問題 1 : 做資料分群時，應該要事先將有class label的資料欄位移除，再做分群，還是不移除直接做分群呢? 在我的認知中，將有 class label 的資料移除 class label 進行分群後，class label 欄位可以作為分群後的檢視，並評估演算法是否有錯誤分類。 另外，我認為將有 class label 的資料集直接去做分群，分群的結果會依據 class label 作為分群結果 (如 iris 資料集就是如此)，想請問這樣的情況是否有例外呢 ? 還是說要取決於資料集本身是多元分類還是二元分類呢 ? 比如多元分類的資料集，假設 class label 有五種，倘若我們不移除 class label 欄位，直接一起做分群，那分群結果是否一定會呈現 5 種分類，且與 class label 的分類吻合呢 ? 又比如在二元分類的資料集，倘若我們不移除 class label 欄位，直接一起做分群，那分群結果是否一定會呈現 2 種分類 (y or n)，且與 class label 的分類吻合呢 ? 目前對於移除 class label 對於資料分群的影響，以及是否該移除 class label 這部分感到十分困惑 ! 問題 2 : elbow method、Silhouette score <移除class label後> 使用這份資料集進行elbow method、Silhouette score計算後得到的結果如下: 1. SSE沒有轉折點  2.number of cluster設定為10的時候 群數10的數值是最高的  3.number of cluster設定為20的時候 很明顯可以看到曲線的上升幅度很大  <未移除class label> 使用這份資料集進行elbow method、Silhouette score計算後得到的結果如下: 1. SSE沒有轉折點  2.number of cluster設定為10的時候 群數2的數值是最高的  3.number of cluster設定為20的時候 群數2一樣是最高的，群數不斷增加後，曲線有上升  想請問以上這樣的情況，代表這份資料集有問題嗎 ? 比如是收集問題導致資料品質不佳 ? 或是這樣的結果要怎麼解讀呢 ? 以上問題，勞煩各位專家解惑了，不勝感激 !