如何使用分类数据为聚类算法找到最佳聚类数

Question

我正在处理具有多个特征的分类数据，但我一直不知道我的数据集的最佳聚类数量。

有什么方法可以找到分类数据聚类的最佳 K。

我使用了需要指定簇数的 K 模式，但这并不能解决问题。

提前感谢您的帮助

Answer 1

嗯，聚类确实不是为序数数据设计的。我建议你看看OHE。查看此代码示例。

from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder(handle_unknown='ignore')
X = [['Male', 1], ['Female', 3], ['Female', 2]]
enc.fit(X)

enc.categories_

enc.transform([['Female', 1], ['Male', 4]]).toarray()

enc.inverse_transform([[0, 1, 1, 0, 0], [0, 0, 0, 1, 0]])

enc.get_feature_names(['gender', 'group'])

drop_enc = OneHotEncoder(drop='first').fit(X)
drop_enc.categories_

drop_enc.transform([['Female', 1], ['Male', 2]]).toarray()

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html

或者，您可以使用 OE。这是更多示例代码。

from sklearn.preprocessing import OrdinalEncoder
enc = OrdinalEncoder()
X = [['Male', 1], ['Female', 3], ['Female', 2]]
enc.fit(X)

enc.categories_

enc.transform([['Female', 3], ['Male', 1]])

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OrdinalEncoder.html#sklearn.preprocessing.OrdinalEncoder

最后，您可以考虑使用 Affinity Propagation、Hierarchical Clustering 或 DBSCAN；链接如下。

https://scikit-learn.org/stable/auto_examples/cluster/plot_affinity_propagation.html

https://scikit-learn.org/stable/auto_examples/cluster/plot_agglomerative_dendrogram.html

https://scikit-learn.org/stable/auto_examples/cluster/plot_dbscan.html

我认为结果对于聚类分类数据集没有意义或相关。红色、蓝色和绿色之间的“距离”是多少？有意义吗？