我正在对不同程度（例如低，中和高）的某些数据点执行聚类。是否建议将它们转换为低1，中2，高3的数字并直接应用k均值，还是应该使用其他任何方法？
我的表现是这样的，但并非总是能得到良好的结果。有时它会给出很好的结果，但有时却没有。
答案 0 :(得分：0)
只要将连续数据视为离散且不连续，就可以将连续数据转换为离散数据。现在，k-means本质上仅适用于连续数据。因此，我认为，更好的选择是使用k-prototypes或k-modes之类的算法。 k-prototype适用于连续数据和分类数据，而k模式仅适用于分类数据。
答案 1 :(得分：0)
K均值对此类数据没有多大意义。
它是为连续变量设计的。赋予名称的平均值有意义并最小化最小二乘误差。
对于分类数据，请使用 k-medoids或k-modes ！
此外，您需要仔细考虑变量的重要性。
请注意，在分类/离散数据上，优化算法经常陷入局部最优状态似乎是一个问题：因为没有“连续”路径可以改善结果。因此，结果有时是好的，有时是不好的。然后，您可以增加重新启动的次数，但是随着复杂度的增加，幸运猜测的机会会减少...