K-means聚类学生技能分层：Section1与Section2特征维度选择咨询

现有参加两项数字技能测试的学生数据：Section1考查Level2数字技能，Section2考查Level3数字技能。需基于学生分数构建3个聚类，对应技能等级1、2、3，相关Pandas代码如下：

import pandas as pd

data = [12,24,14,20,8,10,5,23]
  
# initialize data of lists.
data = {'Name': ['Marc','Fay', 'Emile','bastian', 'Karine','kathia', 'John','moni'],
        'Scores_section1': [12,24,14,20,8,10,5,23],
       'Scores_section2' : [20,4,1,0,18,9,12,10],
       'Sum_all_scores': [32,28,15,20,26,19,17,33]}
  
# Create DataFrame
df = pd.DataFrame(data)
  
# print dataframe.
df

拟采用K-means聚类算法，但需确定特征维度：应将Scores_section1作为x、Scores_section2作为y，还是反之？请说明原因。

回答 #

其实把Scores_section1作为x、Scores_section2作为y，或者反过来，对K-means聚类的最终分组结果本质没有影响——因为K-means是基于特征间的距离计算的，x和y只是坐标系的两个轴，交换后距离计算逻辑完全一致，聚类出来的分组不会变，只是后续可视化时坐标轴方向调换而已。

但如果要贴合业务逻辑和后续分析的便利性，更建议把Scores_section1（Level2基础技能）设为x轴，Scores_section2（Level3高阶技能）设为y轴，原因有两点：

• 符合技能进阶的认知逻辑：Level2是Level3的前置基础，把基础技能放在横轴、高阶技能放在纵轴，后续看聚类结果时，能更直观区分出「基础扎实但高阶薄弱」「基础薄弱但高阶有潜力」「基础高阶都优秀」这类群体，和日常对技能水平的认知匹配度更高。
• 方便对应预设的技能等级：我们要构建的3个聚类对应技能等级1、2、3，用上述轴的对应关系，能更快把聚类结果和「低阶技能差/整体水平低」「基础扎实/中等水平」「基础高阶都优秀/高水平」的等级标签对应起来，减少后续分析的混淆。

内容的提问来源于stack exchange，提问作者Kathia