我是机器学习的新手，并试图用聚类算法进行分割。但是，由于我的数据集既有分类变量（如性别，婚姻状况，首选社交媒体平台等）以及数字变量（平均支出，年龄，收入等），我无法确定哪些算法值得关注。 我应该尝试哪一个：模糊c意味着，k-medoids或潜在类与k-means ++进行比较？哪些会为这些类型的混合数据集产生更好的结果？
奖金问题：我是否应该尝试在没有降维的情况下进行聚类？或者我应该在任何情况下使用PCA或K-PCA来减小尺寸？此外，如果数据集的维度超过3个，如何在不进行可视化的情况下理解和解释结果？
答案 0 :(得分：1)
最好的办法是分层凝聚聚类，并使用Gower等距离指标。
具有不同尺度的混合数据通常不会以任何统计有意义的方式起作用。你有太多的权重可供选择，所以没有结果在统计上有充分根据，但很大程度上是你的权重的结果。因此，不可能认为某些结果是“真正的”聚类。不要指望结果非常好。
答案 1 :(得分：0)
通常，当您有分类数据时，您会尝试将它们编码为＆＃34;数字＆＃34;值。现在在你的情况下考虑社交媒体：twitter，facebook，google-plus。你可能很想把它们编码为twitter：0，facebook：1，google-plus：2。但是这种编码有问题：它暗示机器学习算法google-plus是facebook的两倍，这不是你想要的。
输入一个热门编码：它将分类数据转换为位向量。因此，您的位数将等于数据中存在的类别数：
social media | binary vector (bits in order: is_twitter, is_facebook, is_google_plus) twitter | 1, 0, 0 facebook | 0, 1, 0 google-plus | 0, 0, 1
现在您可以应用任何ML算法，因为您的所有数据都是数字的。