我正在研究kmeans聚类。 我有3d数据集作为no.days，频率，食物 - ＆gt; day通过＆amp; std偏差（SD）或更好地说标准化。这给了我[-2到14]
的范围- ＆gt;对于频率和食物，我的数据集中的NOMINAL数据由DIVIDE BY MAX（x / max（x））归一化，这给出了范围[0到1]
问题是kmeans只考虑日轴进行分组，因为在这个轴上有明显的间隙b / w点，几乎忽略了频率和食物中的另外两个（我认为是因为频率和食物的差距可以忽略不计dims）。
如果我仅在日轴上单独应用kmeans（1D），我会得到与我在3D（天，频率，食物）上应用的完全相似的结果。
＆＃34;之前，我也做了x / max（x）几天但不能接受＆＃34;
所以我想知道有没有办法规范其他两个频率和食物的名义数据，我们可以根据DAY轴进行公平缩放。
food =＆gt; 1,2,3 频率=＆gt; 1-36
答案 0 :(得分：0)
您可以尝试使用Value Difference Metric，VDM（或任何变体）将您遇到的几乎所有名义属性转换为有效数字表示。之后，您可以像往常一样将标准化应用于整个数据集。
原始定义如下：
http://axon.cs.byu.edu/~randy/jair/wilson1.html
虽然在其他地方找到每种通用语言的实现应该很容易。
N.B。对于有序的名义属性，例如你的“频率”，大多数情况下它足以将它们表示为整数。
答案 1 :(得分：0)
归一化的关键不仅仅是使值变小。
目的是具有可比较的值范围 - 这对于不同单位的属性来说确实很难，并且对于名义数据来说可能是不可能的。
对于你的数据类型，k-means可能是最差的选择，因为k-means 依赖连续值来工作。如果您有名义价值，通常很容易卡住。所以我的主要建议是不要使用k-means 。
对于数据的k-means到wprk，每个属性的差值必须相同。所以1天的差异=食物q和食物之间的差异2.而且因为k-means是基于平方误差，食物1与食物3的差异是食物与食物2的4倍。
除非你拥有上述财产，否则不要使用k-means。