我有一个包含不同数据类型的列的表（如：ProductId，Name，size，color，class，dept等列），因为并非所有列都是数字的，我如何将类似的产品聚合在一起。数据位于Netezza，为了快速处理，我想在DB端进行，因为数据量很大（大约200万行）。
我试图在R中实现Gower的相似性，但这需要花费很多时间。我可以在netezza端使用UDF吗？
dput（头（PROD））
结构（列表（Product_key = c（＆＃34; 136220083＆＃34;，＆＃34; 134520094＆＃34;，＆＃34; 137520230＆＃34;， ＆＃34; 133420231＆＃34;，＆＃34; 137420204＆＃34;，＆＃34; 136520284＆＃34;），SRO_score = c（2,2,2,3,3， 1），PRDF_SKU_NAME = c（＆＃34; 1496533＆＃34;，＆＃34; 1496534＆＃34;，＆＃34; 1496537＆＃34;，＆＃34; 1496540＆＃34;， ＆＃34; 1496541＆＃34;，＆＃34; 1496542＆＃34;），ATTRIB_VAL1 = c（＆＃34; Champion Canvas＆＃34;，＆＃34;冠军 Canvas＆＃34;，＆＃34; Champion Canvas＆＃34;，＆＃34; Champion Canvas＆＃34;，＆＃34; Champion Canvas＆＃34;， ＆＃34; Champion Canvas＆＃34;），ATTRIB_VAL2 = c（＆＃34; Navy Canvas＆＃34;，＆＃34; Navy Canvas＆＃34;， ＆＃34; Red＆＃34;，＆＃34; Red＆＃34;，＆＃34; Red＆＃34;，＆＃34; Red＆＃34;），ATTRIB_VAL3 = c（＆＃34; 9.5W＆＃34; ，＆＃34; 10W＆＃34;，＆＃34; 7W＆＃34;， ＆＃34; 8.5W＆＃34;，＆＃34; 9W＆＃34;，＆＃34; 9.5W＆＃34;），ATTRIB_VAL4 = c（＆＃34; Keds＆＃34;，＆＃34; Keds＆＃34 ;，＆＃34; Keds＆＃34;， ＆＃34; Keds＆＃34;，＆＃34; Keds＆＃34;，＆＃34; Keds＆＃34;），ATTRIB_VAL5 = c（＆＃34; VULCANIZED FOOTWEAR＆＃34;， ＆＃34;硫化鞋＃34;，＆＃34;硫化鞋＃34;，＆＃34;硫化鞋＃34; ＆＃34; VULCANIZED FOOTWEAR＆＃34;，＆＃34; VULCANIZED FOOTWEAR＆＃34;），ATTRIB_VAL6 = c（＆＃34; WOMENS 体育传统＆＃34;，＆＃34;女子体育传统＆＃34;，＆＃34;女子体育 传统＆＃34;，＆＃34;女士体育传统＆＃34;，＆＃34;女士体育传统＆＃34;， ＆＃34; WOMENS SPORT TRADITIONAL＆＃34;），ATTRIB_VAL7 = c（＆＃34; 1.38 lb＆＃34;，＆＃34; 1.38 lb＆＃34;， ＆＃34; 1.38 lb＆＃34;，＆＃34; 1.38 lb＆＃34;，＆＃34; 1.38 lb＆＃34;，＆＃34; 1.38 lb＆＃34;），ATTRIB_VAL8 = c（＆＃34; SHOES WOMENS SPORT＆＃34;，＆＃34; SHOES WOMENS SPORT＆＃34;，＆＃34; SHOES WOMENS SPORT＆＃34;，＆＃34; SHOES WOMENS SPORT＆＃34;，＆＃34; SHOES WOMENS SPORT＆＃34;，＆＃34; SHOES WOMENS SPORT＆＃34;）， ATTRIB_VAL9 = c（＆＃34;女士鞋＆＃34;，＆＃34;女士鞋＆＃34;，＆＃34;女士鞋＆＃34;， ＆＃34;女士鞋＆＃34;，＆＃34;女士鞋＆＃34;，＆＃34; WOMENS SHOES＆＃34;））。。Name = c（＆＃34; Product_key＆＃34;，＆＃34; SRO_score＆＃34;，＆＃34; PRDF_SKU_NAME＆＃34;，＆＃34; ATTRIB_VAL1＆＃34;， ＆＃34; ATTRIB_VAL2＆＃34;，＆＃34; ATTRIB_VAL3＆＃34;，＆＃34; ATTRIB_VAL4＆＃34;，＆＃34; ATTRIB_VAL5＆＃34;， ＆＃34; ATTRIB_VAL6＆＃34;，＆＃34; ATTRIB_VAL7＆＃34;，＆＃34; ATTRIB_VAL8＆＃34;，＆＃34; ATTRIB_VAL9＆＃34;），row.names = c（4107L，3927L，4260L，3794L，4246L，4140L），class =＆＃34; data.frame＆＃34;）
答案 0 :(得分：0)
你不能只使用具有Gower相似性的k-means。
K-means也需要计算意味着。
通常的选择是PAM，但这种情况可怕。您不想在完整数据集上使用它。
不是缩放到整个数据集，而是首先使用示例学习要做什么。群集权利困难。您需要将90％的时间花在预处理上。
首先找出有效的方法。然后缩放。不是相反。