我正在寻找对一个小型数据集（4 个区间变量和一个三因素分类变量的 64 个观察值）进行聚类。现在，我对聚类分析很陌生，但我知道自从层次聚类或 k-means 是唯一可用的选项以来，已经取得了相当大的进步。特别是，似乎可以使用基于模型的聚类的新方法，正如chl 所指出的那样，可以使用“拟合优度指数来决定聚类或类的数量”。

但是，基于模型的聚类的标准 R 包mclust显然不适合具有混合数据类型的模型。该fpc模型可以，但无法拟合模型，我怀疑是因为连续变量的非高斯性质。我应该继续使用基于模型的方法吗？如果可能，我想继续使用 R。在我看来，我有几个选择：

1. 将三级分类变量转换为两个虚拟变量并使用mclust. 我不确定这是否会影响结果，但如果不是，这是我的首选。
2. 以某种方式转换连续变量并使用fpc包。
3. 使用我还没有遇到的其他 R 包。
4. 使用 Gower 的度量创建一个相异矩阵，并使用传统的分层或重定位集群技术。

stats.se hivemind 在这里有什么建议吗？