我试图在数据库中的犯罪记录中找到模式。我认为集群是一种方法。
这是我的（煮熟的）数据集：
age,nationality,country_of_birth,place_of_birth,no_of_checkedinbaggage,noofcabinbaggage,no_of_co_passengers,watchlist
34,GBR,GBR,London,2,1,0,Drug Trafficker
32,IND,IND,Delhi,2,1,0,Human Trafficker
31,USA,USA,Tampa,2,1,0,Arms Dealer
.....
基本上，我想识别监视列表的集群，看看它们是否有模式。基于集群，我也想预测未来的数据。
聚类（K-Means）是正确的选择吗？而且，所有变量都必须是数字吗？如果是这样，我不确定如何将它们编码为数字。想法？
欢迎来到本站！
如您所知，KMeans 是一种无监督学习，它可以帮助您找出数据中是否存在任何模式。是的，您正在遵循的程序在数据中找到一些共性/模式。但这通常不用于预测。仅供参考，您也可以使用K-means进行预测，最近我遇到了这种情况，但我不知道它是否会产生预期的结果。
如果数据是分类数据，您需要应用One-Hot Encoding，它将分类数据转换为数字，您可以通过链接更好地理解。如果不是这样，您将无法应用 K-Means 算法。
如果您无法将分类数据转换为数字数据，那么您可以使用 R 中的这个包ClustMixType，您可以在 Python 中使用 KMODES。
如果您准备好目标变量，因为您没有提到数据目标变量，如果目标变量是 Numeric，您可以使用
如果目标变量是二进制（他是罪犯是/否）
请浏览此链接，以更好地了解混合数据类型聚类
如果您需要任何帮助，请告诉我。
是的，聚类 K-Means 算法是不错的选择。唯一的事情是您应该选择您想要的集群数量作为结果。经验：k = 4
如我所见，您的数据中有分类变量，您可以使用“One-Hot-Encoding”将它们转换为数值特征。我建议你在那之后也扩展你的数据。
这里的关键词：“编码分类特征”、“一个热编码器”、“特征缩放”。我建议你阅读更多关于这些的内容。