我试图使用K-means基于大约1200个二进制变量来聚类大约12000个元素。传统的距离指标（欧几里德，曼哈顿，汉明，莱文施泰因）都没有产生令人满意的结果。
我设计了以下指标。
Dist（x，y）= Min of P（X = 0 | Y = 1） P（y = 0的| X = 1）
有没有人对这类问题使用类似的方法？使用此指标有任何明显的缺陷吗？我对数据挖掘相对较新，并希望得到任何反馈。
由于
答案 0 :(得分：1)
您尝试建模的域名是什么？您可以使用域中的洞察力进行群集吗？ 在这种一般情况下，可以说很少。我会尝试dimension reduction以便首先获得更有意义的功能，稍后群集，但使用领域知识可以在这里提供帮助。
答案 1 :(得分：1)
您可以使用Jaccard的二进制属性距离。 假设您正在比较2行A和B。
M11 - is the number of attributes where both Ai=Bi=1
M01 - is the number of attributes where Ai=0 and Bi=1
M10 - is the number of attributes where Ai=1 and Bi=0
Jaccard系数
J = M11/(M11+M10+M01)
Jaccard距离将是：
D=(M01+M10)/(M11+M10+M01)