Kmeans 仅适用于数值数据，因此

1. 把你的分类数据扔出去，
2. 标准化您的数字数据，
3. 计算选定度量的距离矩阵（例如，dist()使用euclidean），
4. 运行kmeans(distance_matrix,k=3)（尝试 k=3 说 k=7）
5. 查看model$cluster以获取数据点类

事实上，我不会使用 k-means 来解决您的问题。为什么不像sklearn 提供的那样基于 svm 的方法呢？

请参阅，这是一般方法，这是实际示例。

正如@user2974951 所说，K-means 用于数值数据。还有其他聚类算法也适用于分类数据，例如K-modes。

但是让我们考虑您的数据并尝试了解它是否是数字：

• square_id - 是标识符，所以它很可能不代表数据点之间的关系。除非确实如此，否则它不是您应该用于算法的功能。
• country_code - 代表一个国家，所以一个直观的建模方法是分类使用它。您可能会考虑是否可以以任何方式对其进行量化（例如，通过推导国家之间的距离），但这将在很大程度上取决于您的问题的背景，因此需要进一步考虑。
• activity_date - 日期是定量的，但您需要将日期格式转换为一致的数字表示，例如通过Unix time，这是自 1970 年 1 月 1 日以来经过的时间。
• activity_time - 也许这是活动时间？如果是这样的话，我建议在时间的表示上把它和activity_date合并。
• total_activity - 似乎是您唯一的上下文数据，以科学记数法表示。幸运的是它是数字的，所以你只能在它上面应用 K-means。但这会导致聚集在一条数值线上。

这是关于如何使用您拥有的数据。但是，剩下的问题是您实际上可以做什么？

探索数据以了解它是值得的。例如，您为什么不尝试二维地绘制数据以了解它所代表的含义？例如，您可以绘制 country vs total_activity，或 time vs total_activity。您可以通过映射第三个特征（在我的两个建议中分别为时间或国家）来增强表示。您可以在时间与活动图上用颜色表示国家，或在国家与活动图上用颜色亮度（如HSL 颜色表示）或点大小表示时间。

KMeans不适用于此类数据。

数学很重要。检查 k-means 的目标函数，以及优化它是否对您的应用程序有意义 - 可能没有。那么这个钉子的螺丝刀是错误的。