具有離散和連續屬性的聚類算法？

Question

有沒有人知道在離散屬性和連續屬性上執行聚類的好算法？我正在研究識別一組類似客戶的問題，並且每個客戶都具有離散和連續屬性（Think客戶類型，此客戶產生的收入金額，地理位置等）。

傳統上的算法K-means或EM用於連續屬性，如果我們有連續屬性和離散屬性的混合，該怎麼辦？

Answer 1

如果我沒有記錯的話，那麼COBWEB算法可以使用離散屬性。

而且您還可以對離散屬性執行不同的「技巧」以創建有意義的距離度量標準。

您可以谷歌聚類的分類/離散屬性，第一次點擊之一：ROCK: A Robust Clustering Algorithm for Categorical Attributes。

Answer 2

你也可以看看affinity propagation作爲一個可能的解決方案。但爲了克服連續/離散的困境，您需要定義一個函數來估計離散狀態。

Answer 3

我實際上會向用戶展示一對離散屬性，並要求他們定義它們的接近度。你會給他們一個從[同義詞..非常外國]或類似的範圍。有很多人這樣做，你會得到一個非線性屬性值被廣泛接受的接近函數。

Answer 4

R是聚類的好工具 - 標準方法是使用daisy計算混合數據上的相異矩陣，然後使用agnes與該矩陣進行聚類。

cba module on CRAN包括基於ROCK對二元預測變量進行聚類的函數。

Answer 5

如何將每個分類屬性轉換爲一系列N-1二元指示符屬性（其中N是類別數）？ 你不應該害怕高維度，因爲稀疏表示（例如可以使用mahout的SequentialAccessSparseVector）。 一旦你這樣做了，你可以使用經典的K-means或任何標準的僅用於數字的聚類算法。