问从邮政地址数据中提取相关属性，以便对这些数据进行PCA (使用R)

EN

我认为这不是PCA的任务。我首先尝试介绍一种两个地址之间的距离度量。您可以，或者使用整个地址作为一个单一的特性，然后有大量的通用字符串相似性度量，例如Levenshtein距离。在方法包中有一个utils。或引入了更多的功能，如建筑数量、邮政编码等，并采用欧几里德距离和文本相似距离相结合的方法。你的36个变量对这项任务来说似乎太多了。无论如何，您的距离度量应该给出“关闭”地址的小值和域中不相关地址的大值。

在确定距离度量和选择功能之后，将具有自定义距离函数的K-均值聚类应用于您的数据。为此，您可以使用挠曲包。关于确定集群数量的很好的建议可以找到这里。

这样你就能找到你的星团了。祝好运。