我已经承担了根据客户一起购买的产品将他们分类的任务。我的数据包含与每个客户相关的500,000行和8,000个变量（产品ID）。每个变量都是一个热编码矢量，用于显示客户是否购买了该产品。
我尝试使用MCA（多重对应算法）来减少数据的大小，然后使用k-means和dbscan进行聚类分析，但结果并不令人满意。
对具有高维的大型数据集进行聚类分析及其python实现有哪些合适的算法？
答案 0 :(得分：0)
您应该使用的是频繁模式挖掘，而不是集群。
一键编码变量通常弊大于利。可以使用合适的聚类算法（例如分层，DBSCAN，但不是 k均值）对此类数据使用选择好的距离（在某些数据集上可能像汉明或Jaccard一样简单）。或者，尝试k模式。但是最有可能的是，频繁的项目集是对nsuvh数据的更有意义的分析。