k均值实现混合变量在数据库级

Question

我有不同的数据类型的列（如列：产品编号，名称，大小，颜色，等级，部门等）的表，因为不是所有列是数字的，我怎么能聚集同类产品一起。数据位于Netezza中，为了快速处理，我只想在数据量巨大时（大约200万行）在数据库端执行此操作。

我试图在R中实现Gower的相似性，但它需要很长时间。有没有我可以在netezza上使用的UDF？

dput（头（PROD））

结构（列表（Product_key = C（ “136220083”， “134520094”， “137520230”， “133420231”， “137420204”， “136520284”），SRO_score = C（2，2，2，3，3， 1），PRDF_SKU_NAME = C（ “1496533”， “1496534”， “1496537”， “1496540”， “1496541”，“1496542 “），ATTRIB_VAL1 = C（” 冠军画布 “ ”冠军 画布“， ”冠军画布“， ”冠军画布“， ”冠军画布“， ”冠军画布“），ATTRIB_VAL2 = C（ ”海军画布“，”海军帆布“， “红”， “红”， “红”， “红”），ATTRIB_VAL3 = C（ “9.5W”， “10W”， “7W”， “8.5W”， “9W”， “9.5W”） ，“ATTUB_VAL4 = c”（“Keds”，“Keds”，“Keds”， “Keds”，“Keds”，“Keds”），ATTRIB_VAL5 = c（“VULCANIZED FOOTWEAR”， “VULCANIZED FOOTWEAR” ， “硫化鞋”， “硫化鞋”， “硫化鞋”），ATTRIB_VAL6 = C（ “WOMENS SPORT传统的”， “WOMENS SPORT传统的”， “WOMENS SPORT 传统的”， “WOMENS SPORT传统的”，“WOMENS SPORT传统的”， “WOMENS SPORT传统的”），ATTRIB_VAL7 = C（ “1.38磅”， “1.38磅”， “1.38磅”， “1.38磅”， “1.38磅”， “1.38磅”），ATTRIB_VAL8 = c（“女鞋 女鞋运动”，“女鞋运动鞋”，“女鞋运动鞋”，“女鞋女鞋“，”女鞋运动鞋“，”女鞋运动鞋“， ATTRIB_VAL9 = c（”女鞋“，”女鞋“，”女鞋“， ”女鞋“，”女鞋“女鞋 “）），.Names = C（” Product_key”， “SRO_score”， “PRDF_SKU_NAME”， “ATTRIB_VAL1”， “ATTRIB_VAL2”， “ATTRIB_VAL3”， “ATTRIB_VAL4”， “ATTRIB_VAL5”， “ATTRIB_VAL6”， “ATTRIB_VAL7”， “ATTRIB_VAL8”， “ATTRIB_VAL9”），row.names = C（4107L，3927L，4260L，3794L，4246L，4140L）中，class = “data.frame”）

Answer 1

你可以用”只需使用具有高尔相似性的k-means。

K-手段需要计算意味着了。

通常的选择是PAM，但是这种可怕的规模。你不想在你的完整数据集上使用它。

而不是缩放到您的整个数据集，首先使用示例学习做什么。群集权是困难。您需要花90％的时间进行预处理。

首先找出什么可行。然后缩放。而不是相反。