我正在进行一个无监督机器学习的客户细分项目，原始特征超过300个，目前正处于数据清理阶段。

数据有特别的两级结构：一级是粗略数据，另一级是精细数据。例如如下所示：

1. 家庭：粗略分类：1,2,3表示家庭，精细数据：1表示年轻家庭，2表示单亲家庭。

2. 收入：粗略：1,2,3表示1-100000，精细：1表示1-3000，2表示3001-6000，3表示6000-10000

有没有什么标准可以用来决定是否保留两级数据，还是只保留一级数据？

供参考：数据清理后，我将使用PCA和KMeans进行细分。

回答：

由于精细分类的列包含了粗略分类列的所有信息，你可以直接删除粗略分类列，以避免特征间的相关性。
然而，最终还是要看你的模型是否会受到相关特征的影响，以及它是否有能力隐式地进行到粗略级别的聚合（例如，决策树可以做到这一点）。