我有一个大型数据集45421 * 12(行*列),其中包含所有分类变量。我的数据集中没有数值变量。我想使用此数据集构建无监督的聚类模型,但是在建模之前,我想知道此数据集的最佳特征选择模型。 而且我无法将肘部曲线绘制到该数据集。我用k均值弯头法给出范围k = 1-1000,但它没有给出任何最佳的聚类图,需要8-10个小时来执行。如果有人建议对这个问题有更好的解决方案,那将是很大的帮助。
代码:
data = {'UserName':['infuk_tof', 'infus_llk', 'infaus_kkn', 'infin_mdx'],
'UserClass':['high','low','low','medium','high'],
'UserCountry':['unitedkingdom','unitedstates','australia','india'],
'UserRegion':['EMEA','EMEA','APAC','APAC'],
'UserOrganization':['INFBLRPR','INFBLRHC','INFBLRPR','INFBLRHC'],
'UserAccesstype':['Region','country','country','region']}
df = pd.DataFrame(data)
答案 0 :(得分:-1)
对于这样的分类数据,K-means不是合适的聚类算法。您可能需要寻找一种K模式方法,但很遗憾,该方法当前未包含在scikit-learn软件包中。您可能需要查看此程序包,以获取github上可用的kmode:https://github.com/nicodv/kmodes,它遵循了您从scikit-learn惯用的许多语法。
有关更多信息,请参见此处的讨论:https://datascience.stackexchange.com/questions/22/k-means-clustering-for-mixed-numeric-and-categorical-data
答案 1 :(得分:-1)
要能够运行import java.io.IOException;
import java.io.PrintWriter;
import java.util.Enumeration;
import java.io.IOException;
import javax.servlet.ServletException;
import javax.servlet.annotation.WebServlet;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
@WebServlet("/Servlet")
public class Servlet extends HttpServlet {
private static final long serialVersionUID = 1;
public Servlet() {
super();
}
protected void doGet(HttpServletRequest request, HttpServletResponse response)
throws ServletException, IOException {
PrintWriter out = response.getWriter();
String Value = request.getParameter("Binary_Number");
Exc_1 Converter = new Exc_1();
String result = Exc_1.Converter(Value);
response.getWriter().append(result);
}
protected void doPost(HttpServletRequest request, HttpServletResponse response)
throws ServletException, IOException {
doGet(request, response);
}
}
或任何其他模型,您首先需要将分类变量转换为数字变量。
使用Kmeans
的示例:
OneHotEncoder
对Kmeans拟合使用from sklearn.preprocessing import OneHotEncoder
import pandas as pd
data={'UserAccesstype': ['Region', 'country', 'country', 'region'],
'UserCountry': ['unitedkingdom', 'unitedstates', 'australia', 'india'],
'UserOrganization': ['INFBLRPR', 'INFBLRHC', 'INFBLRPR', 'INFBLRHC'],
'UserRegion': ['EMEA', 'EMEA', 'APAC', 'APAC']}
df = pd.DataFrame(data)
UserAccesstype UserCountry UserOrganization UserRegion
0 Region unitedkingdom INFBLRPR EMEA
1 country unitedstates INFBLRHC EMEA
2 country australia INFBLRPR APAC
3 region india INFBLRHC APAC
enc = OneHotEncoder(handle_unknown='ignore')
enc.fit(df.values)
X_for_Kmeans = enc.transform(df.values).toarray()
X_for_Kmeans
array([[1., 0., 0., 0., 0., 1., 0., 0., 1., 0., 1.],
[0., 1., 0., 0., 0., 0., 1., 1., 0., 0., 1.],
[0., 1., 0., 1., 0., 0., 0., 0., 1., 1., 0.],
[0., 0., 1., 0., 1., 0., 0., 1., 0., 1., 0.]])
。干杯