cluster-analysis - 如何对分类变量进行聚类？

Question

用于聚类分类数据的最合适的机器学习算法系列是什么？假设我们有以下数据集：

V1        V2        V3        V4
"v1a"     "v2b"     "v3b"     "v4c"
"v1b"     "v2f"     "v3a"     "v4c"
"v1a"     "v2e"     "v3b"     "v4c"

有没有办法以某种方式将它们聚集在一起？我对通过 Apache Mahout 这样做特别感兴趣。任何提示\想法都受到高度赞赏。

Answer 1

您首先需要回答的问题是：

什么是集群？

显然，许多现有的集群定义（通过小于 epsilon 的欧几里德距离的步长连接）等将没有用处。

有一些技巧可以对这些数据进行矢量化，以便您仍然可以在其上运行 k-means。

但更多时候，结果将毫无用处，因为人们没有首先考虑他们在做什么。

所以首先尝试找出你想做什么，然后寻找工具来做到这一点。