具有离散和连续属性的聚类算法？

Question

有没有人知道在离散和连续属性上执行聚类的好算法？我正在研究识别一组类似客户的问题，每个客户都有离散和连续的属性（思考客户类型，该客户产生的收入金额，地理位置等）。

传统上像K-means或EM这样的算法用于连续属性，如果我们混合了连续属性和离散属性会怎么样？

Answer 1

如果我没记错的话，那么COBWEB算法可以使用离散属性。

您还可以对离散属性执行不同的“技巧”，以创建有意义的距离指标。

您可以谷歌搜索分类/离散属性的群集，这是首批点击之一：ROCK: A Robust Clustering Algorithm for Categorical Attributes。

Answer 2

R是一个很棒的聚类工具 - 标准方法是使用daisy计算混合数据的相异度矩阵，然后使用agnes对该矩阵进行聚类。

cba module on CRAN包括一个基于ROCK聚类二元预测变量的函数。

Answer 3

您还可以将affinity propagation视为可能的解决方案。 但是要克服连续/离散的困境，你需要定义一个评估离散状态的函数。

Answer 4

我实际上会向用户呈现成对的离散属性，并要求他们定义它们的邻近度。你会给它们提供一个从[同义词..非常外国]或类似的规模。有很多人这样做，你会得到一个广泛接受的非线性属性值的接近函数。

Answer 5

如何将每个分类属性转换为一系列N-1二元指示符属性（其中N是类别数）？ 你不应该害怕高维度，因为可以使用稀疏表示（例如mahout＆＃39; SequentialAccessSparseVector）。 完成后，您可以使用经典的K-means或任何标准的仅数字聚类算法。