以下混合变量数据的 KMeans 聚类
KMeans clustering for the following mixed variable data
有人可以帮我解决这个问题吗？
我正在学习 KMeans 聚类概念。如果变量是连续的，我知道如何聚类。但是此数据集包含 categorical/discrete 个变量，例如性别和邮政编码。
Sno Age Gender Zip Salary
1 26 0 9822 100
2 38 1 9822 700
3 19 1 9822 100
4 64 0 9810 2500
5 53 1 9810 1200
6 75 1 9810 1800
7 19 0 9822 75
8 36 1 9822 350
9 42 1 9875 1800
10 41 0 9875 750
K-Means 仅适用于数值数据。
K-means 对分类数据失败，因为取分类数据的平均值根本没有意义。距离也不行。有些人 运行 K-means 上的数据使用一种热编码。但这也没有给出正确的集群。
要解决此类问题，您可以查看 K-Means 的另一种变体，称为 K-Prototype 算法，它适用于混合分类数据和数值数据。
查看 https://pypi.python.org/pypi/kmodes/
此 link 包含使用此算法的论文和 python 包。也很容易理解。
有人可以帮我解决这个问题吗？
我正在学习 KMeans 聚类概念。如果变量是连续的，我知道如何聚类。但是此数据集包含 categorical/discrete 个变量，例如性别和邮政编码。
Sno Age Gender Zip Salary
1 26 0 9822 100
2 38 1 9822 700
3 19 1 9822 100
4 64 0 9810 2500
5 53 1 9810 1200
6 75 1 9810 1800
7 19 0 9822 75
8 36 1 9822 350
9 42 1 9875 1800
10 41 0 9875 750
K-Means 仅适用于数值数据。
K-means 对分类数据失败，因为取分类数据的平均值根本没有意义。距离也不行。有些人 运行 K-means 上的数据使用一种热编码。但这也没有给出正确的集群。
要解决此类问题，您可以查看 K-Means 的另一种变体，称为 K-Prototype 算法，它适用于混合分类数据和数值数据。
查看 https://pypi.python.org/pypi/kmodes/
此 link 包含使用此算法的论文和 python 包。也很容易理解。