我有一个调查，其中每个问题都与不同的“购物者”类型相关（有 5 种类型，所以 5 个问题）。每个问题要么是二元的（真/假），要么是基于比例的。
IE：
1. Do you like to shop at our physical location store ? (True/False)
2. Do our discounts entice you to shop more? a. no b. maybe c. yes
对于每个响应，我将答案选择转换为数值。所以 True 变为 1，答案选项 2C 变为 3，依此类推。
在这一点上，我也不知道要使用什么聚类算法，因此我可以为每种“购物者”类型创建聚类并测量提交的每个单独的调查响应，以确定给定响应的单个集群壁橱，并将响应标记为簇。
IE。提交调查回复的个人是'location conscience shopper type'
接受任何新的分析方法，而不仅仅是聚类
由于它们是分类变量，我将使用k-medoids 聚类方法对它们进行聚类。在应用此方法之前，对所有预测变量进行 one-hot 编码。
在此处查看教程： https ://towardsdatascience.com/k-medoids-clustering-on-iris-data-set-1931bf781e05
Sklearn 有一个实现： https ://scikit-learn-extra.readthedocs.io/en/latest/generated/sklearn_extra.cluster.KMedoids.html
你可以看看这些建议 Clustering categorical data
我还没有尝试过在纯分类数据集上进行聚类，但是已经尝试过在文本数据上，最后你最终创建了一个稀疏矩阵，并在使用 Wards 方法的层次聚类中取得了成功
虽然我以前没有使用过这个 - 但尝试使用 k-mediods 来识别 mediods 而不是使用意味着 https://www.geeksforgeeks.org/ml-k-medoids-clustering-with-example/的质心