我认为您可以采取两种方法：

1）平方'homevalue'

假设这homevalue是一个numeric你可以平方这个值。

然后，您将增加两者之间的差异$0$- 价值房屋和低价值房屋。此外，这将使高价值房屋与低价值房屋之间的差异也更大。

2）分成两个特征

您还可以将此信息拆分为两个不同的功能：

• 房屋价值$v$， 在哪里$v \in \mathbb{R}^+$
• 拥有一个家$h$， 在哪里$h \in \{true, false\}$和$h = \substack{false, \quad if \, v \, equals \, 0\\true, \quad \ otherwise}$

这样，您的模型就可以明确区分拥有或不拥有房屋的人。

然后希望你有另一个特征来表明一个没有家的人的生活方式或收入。

当您遇到非随机丢失的情况时，最好的办法是创建一个新功能。你可以添加一个新的特征，如果这个人没有房子，它的值为 0，如果他有房子，它的值为 1。

此外，K-means 通常不用于聚类。您可以选择其他算法，例如 Hierarchical 或 DBScan。