• 首先，如果您想考虑它们，您需要将分类列转换为数字（例如列$T_m$）。
• 您需要标准化您的功能，因为规模存在差异（例如列$G$对比$BLK$)
• 您可能需要减少维度，因为 k-means 可能会陷入“维度诅咒”。

其余的都很好。欧几里得距离可以推广到任意数量的维度。

$$\sqrt{(x_{1} - x_{2})^2 + (y_{1} - y_{2})^2 + (z_{1} - z_{2})^2 + ...}$$

所以，当你计算你的 k-means 时，你会得到$k$把他们每个人都指向$d$方面 （$d$是列数）。然后对于每个数据点，您计算上面的数据点和中心的距离，即

$$\sqrt{(x_{data} - x_{center})^2 + (y_{data} - y_{center})^2 + (z_{data} - z_{center})^2 + ...}$$

Python 为您轻松完成。