如何聚类分类变量？

Question

用于群集分类数据的机器学习算法最合适的家族是什么？假设我们有以下数据集：

V1  V2  V3  V4 
"v1a"  "v2b"  "v3b"  "v4c" 
"v1b"  "v2f"  "v3a"  "v4c" 
"v1a"  "v2e"  "v3b"  "v4c" 

有什么方法可以以某种方式对它们进行聚类吗？我特别感兴趣的是通过Apache Mahout来做到这一点。任何暗示\想法是高度赞赏。

Answer 1

，你需要回答第一的问题是：

什么是集群？

显然，许多现有的集群定义（通过欧几里得距离小于epsilon的步骤连接）等将不会有用。

有一些技巧可以将这些数据进行向量化，以便您仍然可以在其上运行k-means。

但更多的，往往不是其结果将是无用，因为人们并不认为他们在做什么第一。

因此，首先尝试找出你想要做的事情，然后寻找工具来做到这一点。