如何对 Python 中包含 TRUE/FALSE 值的数据集执行聚类？
How to perform clustering on a dataset containing TRUE/FALSE values in Python?
我的数据集包含描述某些角色能力的列，其中填充了 True/False 个值。没有空值。我的最终目标是制作具有相似能力的角色组。这是问题：
- 我应该将
True/False 值更改为 1 和 0 吗？或者不需要那个？
- 我应该使用什么聚类模型？ KMeans 可以吗？
- 我如何解释结果（输出）？我可以想象吗？
问题是我总是看到人们对您可以可视化的数字数据集执行聚类，而且看起来更容易做到。使用 True/False 我什至不知道如何处理它。
谢谢。
- 一般不需要将True/False改成0/1。仅当您想应用无法处理布尔输入的特定聚类算法时才需要这样做，例如 K-means.
- K-means 不是首选选项。 K-means 需要连续特征作为输入，因为它是基于计算距离的，就像许多聚类算法一样。所以没有布尔输入。尽管二进制输入 (0-1) 有效，但它不会以非常有意义的方式计算距离（许多点彼此之间的距离相同）。如果只有 0-1 数据，我不会使用聚类，但会建议将数据制表并查看哪些单元格经常出现。如果您有大型数据集，您可以使用 Apriori 算法来查找频繁出现的单元格。
- 通常，聚类算法通常 returns 每个观察的聚类编号。在 low-dimensions 中，此数字经常用于为散点图中的观察值赋予颜色。但是，对于布尔值，我只会列出最常出现的单元格。
我的数据集包含描述某些角色能力的列，其中填充了 True/False 个值。没有空值。我的最终目标是制作具有相似能力的角色组。这是问题：
- 我应该将
True/False值更改为1和0吗？或者不需要那个？ - 我应该使用什么聚类模型？ KMeans 可以吗？
- 我如何解释结果（输出）？我可以想象吗？
问题是我总是看到人们对您可以可视化的数字数据集执行聚类，而且看起来更容易做到。使用 True/False 我什至不知道如何处理它。
谢谢。
- 一般不需要将True/False改成0/1。仅当您想应用无法处理布尔输入的特定聚类算法时才需要这样做，例如 K-means.
- K-means 不是首选选项。 K-means 需要连续特征作为输入，因为它是基于计算距离的，就像许多聚类算法一样。所以没有布尔输入。尽管二进制输入 (0-1) 有效，但它不会以非常有意义的方式计算距离（许多点彼此之间的距离相同）。如果只有 0-1 数据，我不会使用聚类，但会建议将数据制表并查看哪些单元格经常出现。如果您有大型数据集，您可以使用 Apriori 算法来查找频繁出现的单元格。
- 通常，聚类算法通常 returns 每个观察的聚类编号。在 low-dimensions 中，此数字经常用于为散点图中的观察值赋予颜色。但是，对于布尔值，我只会列出最常出现的单元格。