本质上：Python 中的哪些技术可以在非常大的分类数据集中找到集群/趋势？

我非常大的分类数据数据集（140000 行/观察，80 个变量）已使用 one-hot 编码重新编码，因此它们都是二进制的（例如，ethnicity_black、ethnicity_asian）。该数据集用于英国警察使用武力的实例。

我正计划对其进行凝聚层次聚类以找到使用力事件中的模式（通过集群描述），但我无法做到这一点，因为距离矩阵总是太大并且不断崩溃。我使用的是 Gower 的距离，因为它们都是虚拟变量和 gower 包。

我曾尝试通过 MCA 进行降维（如 PCA，但用于分类变量），但这只是减少了列数，并且距离矩阵仍然太大（140000x140000 需要 72.7GB 的 RAM）。

然后我尝试减少到​​前 10000 行，但这占用了 10000x10000=100000000（1 亿个单元格），并且在构建树状图时超出了递归深度限制。不确定是否适合简单地取 1400000 行中的一个很小的随机子集？因为这在揭示模式方面可能没有代表性。

因此，我正在寻找除层次聚类之外的其他聚类方法，因为 K-means 仅适用于连续数据，DBSCAN 也是如此，因为它们使用欧几里得距离。想知道你们之前在工作中是否遇到过类似的情况，在这种情况下可以分享其他技术或可能的解决方法吗？

tldr; K-Means 和 DBSCAN 似乎适用于连续数据，由于所需的相异矩阵，层次聚类对于大型数据集的可扩展性不是很好。我正在探索 K 模式，但也不确定如何解释输出......

我之前做过这种 MCA - 层次聚类技术，但在 R 中，密切遵循本文中使用的方法：https://erf.org.eg/wp-content/uploads/2019/11/Fateh-Belaid_Manuscript_FB_10-09-2019_FB。 pdf

但是，即使该工作流程也不适用于我当前的数据集，因为它太大了。

任何意见，将不胜感激...

非常感谢你！