使用 Gower 距离进行聚类。您可以在本文和本文中找到有关此措施的不同文章。

高尔距离是一种距离度量，可用于计算两个实体之间的距离，其属性具有分类值和数值的混合值。

高尔距离被计算为个体之间部分差异的平均值。每个部分相异性（以及 Gower 距离）的范围在 [0 1] 中。

$$d(i,j) = \frac{1}{p}\sum_{i=1}^{p}d_{ij}^{(f)}$$

部分差异 ($d_{ij}^{(f)}$) 计算取决于被评估变量的类型。这意味着将对每个特征应用特定的标准化，并且两个人之间的距离是所有特征特定距离的平均值。

• 对于数值特征$f$, 部分相异度是 1) 观测值的绝对差异之间的比率$x_i$和$x_j$2) 从所有个体观察到的最大范围：$d_{ij}^{(f)} = \frac{|x_i - x_j|}{|(\max_N(x) - \min_N(x))|}$,$N$是数据集中的个体数量。

• 数值特征的部分相异计算（$R_f$= 观察到的最大范围）对于定性特征$f$仅当观察值时，部分相异度才等于 1$y_i$和$y_j$有不同的价值。否则为零。

最佳做法是首先了解您的问题。

所有标准化、单热编码等只是将非连续数据压缩到列类型中的技巧，如果您不仔细查看数据，这些列类型可以作为连续传递。

是的，在某些时候你可以运行 k-means。但是你还会知道它的作用吗？它解决了正确的任务吗？所有的编码和缩放都有什么偏差？由于维度、离散性、编码伪影、偏差，结果不会变得完全无用...... - 你最初的真正意图是什么 - 我猜你不想要随机分区......