IE - 将最不频繁或信息丰富的二元组频率计数组合在一起。
EG - 如果我有一个序列的字母对频率计数，那么将相似特征合并在一起的好方法是什么。（例如：“KR”和“RK”成为一个单一的特征等等，或者将所有计数为0的对组合在一起......）。
我知道 scikit learn 有一种叫做“ward 的凝聚聚类”的东西，但这似乎是针对视觉数据/像素的，我对文本数据（蛋白质序列和生物信息学）感兴趣。如果有更直接的方法将特征连接在一起，我宁愿避免聚类。（我缺乏背景，之前没有做过聚类，特征分析对我们很重要）。谢谢！