一次热编码+分类数据的kmodes？
我正在探索用python对某些类别数据进行聚类的可能性。我目前有8个特点，每一个约3-10级。
正如我所理解的那样，kmeans和K模的一次热编码都可以在这个框架中使用，kmeans可能会变得不太理想，由于维度问题的诅咒，大量的特性/级别组合会使kmeans变得不太理想。
这是正确的吗？
目前，我将遵循kmeans路径，因为它将使我能够灵活地加入一些数值特征，并且计算轮廓统计和评估最优簇数似乎要容易得多。
这有道理吗？你对哪种方法比另一种方法更可取的情况有什么建议吗？
谢谢
回答 2
Stack Overflow用户
发布于 2019-05-18 19:51:38
对于分类属性和连续属性，也有使用k模式方法的变体。
K-模比单一热+k-方法有一个很大的优势:它是可解释的.每个集群都有一个显式的原型分类值。对于k-均值，由于SSQ目标，单热变量在值之间的误差最小。这是不可取的。
Stack Overflow用户
发布于 2019-09-12 15:32:18
请参阅黄(“Kmodes”一书作者)的论文。http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.134.83&rep=rep1&type=pdf
- 他提到，如果我们使用Kmeans +一种热编码，如果分类属性有大量的类别，它将大大增加数据集的大小。这将使Kmeans计算成本很高。所以是的，你关于维度诅咒的想法是正确的。
- 而且，集群意味着没有意义，因为0和1不是数据的实际值。另一方面，Kmodes产生的聚类模式是真实的数据，从而使集群具有可解释性。
为了满足您对数值和分类属性的需求，请查看k-原型方法，它将kmodes和kmodes与使用平衡权重因子结合在一起。(再一次在论文中解释)
https://stackoverflow.com/questions/56171837
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号