【发布时间】：2019-02-23 08:30:55
【问题描述】：
我正在尝试仅使用分类变量运行聚类。由于 Kmeans 仅适用于 Numeric 数据，是否有任何可用的聚类技术？
我有 30 个变量，例如邮政编码、年龄组、爱好、首选渠道、婚姻状况、信用风险（低、中、高）、教育状况等。如果我将这些变量中的每一个都转换为虚拟变量并运行 kmeans，我将有 90 列（30*3 - 假设每个变量有 4 个因子）。这是正确的吗？
【问题讨论】：
-
当前措辞的问题是关于算法细节而不是编程，所以这里是题外话。你应该把这个发到stats.stackexchange.com。
-
附带说明一下，您是否尝试过对分类数据进行编码，然后应用通常的聚类技术？也许这些可以在您的数据上表现良好？
-
看看 k-modes 算法或 Gower 距离矩阵。
-
@VivekKumar 肯定会在那里发帖
-
@user2974951 在 kmodes 中，如何确定可用集群的数量？你能解释一下如何计算高尔距离并将其用于聚类
标签： python python-3.x machine-learning cluster-analysis data-science