kmeans可以处理分类变量吗？

lixinmk

数据有100万行，变量有9个。如果变量中包含分类变量，可以用kmeans聚类吗？

lixinmk

急求，如果kmeans不行，r中什么算法可以呢？

lixinmk

求大神答疑啊

libingfei

先解释：聚类通常是无目的分类，按数据特征将数据分类。聚类前我们是不知道会被分为几类，哪些是一类。
通常用于发现未知关系，例如：网络社交群体挖掘、文本归类。

你提到有分类变量，那么你的目的可能是为无分类变量的数据分类。
这时一般用训练-预测类模型：决策树、神经网络、广义回归、贝叶斯、支持向量机。。。。。。。

PS:聚类在一些特殊情况下也可以用于有目的分类预测，不过业务依赖性太强，而且数据需要特殊加工。

young4u

to 4楼楼主的意思应该是有factor类型的category变量吧

libingfei

[未知用户]
估计是我我理解有问题，是指因子变量，若是因子型变量，K-mean一般作用于连续型。因子型变量，使用kmean，我一般先二元化处理。
例如：因子为1,2,3的一列变量，转化为3列逻辑变量（TRUE，FALSE），分别表示1，2，3。
其实离散等价于K-modes方法。
不过这个算法存在因子型和连续型权重需要调好问题。

lixinmk

[未知用户]
你好，谢谢你的详细解释。因子型和连续型权重怎么分配呢？用kmeans可以实现吗？我上网查到两步聚类可以处理我这种问题，那r中有相关的软件包吗？

lixinmk

[未知用户]
是呀。9个变量，有连续的，有分类的。听说两步聚类可以实现，r中有两步聚类的函数吗？

libingfei

两步聚类，是提高数据聚类效率的方法。
其本质还是利用传统聚类。
预聚类你可以自己写：原理很简单，网上说的很复杂因为，他们需要考虑算法优化。
你可以自己建个简单循环进行预聚类，之后调用传统聚类（传统聚类自己在网上搜吧）。
提示到此。
网上一些说法也不一定靠谱，买相关书籍学习比较好。
预聚类

for(i in 2:nrow(x)){
  flag<-0
  for(j in 1:length(class)){
    #此处预聚类用的是相关系数，0.8是阀值
    if(cor(class[j,],x[i,])>0.8){
      class[[j]]<-c(class[[j]],i)
      flag<-1
      break
    }
  }
  if(flag==1){
    class[[length(class)+1]]<-i
  }
}

libingfei

另外，即使用两部聚类，分类数据，依然需要二元化。加权方法根据，你自己数据实际业务情况。
数据人为加权方法，可利用层次分析法（此法是辅助方法，本质还是需要你自己确定权值）。
同量纲化也是一种数值方法。
两者可以结合使用，我一般先量纲，再层次分析加权。
细节上网搜搜吧。茫茫多

fatguynot

抱歉插句嘴

其实是看到无目的聚类特别想问的是，实际工作中，无目的聚类的意义有多大？

有无具体的用户场景

libingfei

[未知用户]

实话实说，我实际应用从没用到过。初学的时候，觉得新鲜，看了看。
一般分析需求都是要求有业务意义或解释的，
但是因为实际数据很复杂，聚类后大多说不出具体意义。
二元化、层次分析、同量纲化是常用的数据治理方法。倒是很常用

lixinmk

[未知用户]
好的。太感谢啦~~~