了解数据类型和属性值

Question

我想了解以下数据的以下数据类型和属性值，了解它可以正确决定选择分类或聚类算法。

我的数据由100个文件夹组成，每个文件夹中包含图像，所以我根据内容选择了一些内容来对这些图像进行分类 像{海，天空，狮子......等}

                              categorical- attributes 

folder-name    total images      sea         sky      food     animals   
folder1            100            10          2        0         5
folder2            20             0           1        15        3   
etc. 

总图像指的是该文件夹中的总图像，每个类别矢量中的数字是在每个文件夹中找到的图像的频率，例如在文件夹110中找到海图片（10张图像是海照片）等。< / p>

我知道这里的值是离散的，但是什么是属性{interval，nominal，ordinal} 值已根据简单比较分组为folder1.image1 = sea如果是，则1然后为0然后我已将图像值分组以声明上表， 如果将频率值转换为序数，计算频率百分比，如果其10％则为1，则20％则为2，这是正确的， 任何建议谢谢。

Answer 1

正如我在评论中所说，你实现了不同的聚类方法：

1. 欧几里德距离（假设发现10％最常用的术语并相应地构建空间（X ... n轴）并测量文档（文件夹）之间的距离
2. Jaccard index
3. CLIQUE看起来很有趣，但我对它不够熟悉。
4. tf-idf适用于发现非常用术语（文件），并声称具有这些术语的文档类似且属于同一类。

正如我之前提到的，我会从一些非常简单的事情开始，例如按术语排列或欧几里德距离来“感觉”数据。随着您的进行，您将获得更多想法