您有许多算法选项可用于对无监督数据进行分类。

这是一个非常广泛的主题，但如果您需要特定的算法推荐，请尝试查看自组织地图 (SOM)是否有助于解决您的特定问题。在 R 中，试试这个kohonen包。

K-means 是另一种流行的聚类算法。

无论您使用哪种方法，请考虑将您的分类数据转换为数值数据以进行聚类，因为它可以缓解您的一些混合数据类型问题。

这确实是一个广泛的话题，但我认为你正走在正确的轨道上。

几个月前我解决了一个类似的问题，当时我使用基于质心的算法对多个类别的文档进行分类。在这里，我使用 Spherical K-Means 对训练数据集进行聚类，生成的聚类质心代表一个类别。稍后在预测新文档的类别时，我会将文档与所有质心进行比较，并根据 SSE 分配一个类别。

Michael 是对的 - K-means 聚类可能对您有用，但 K-means 并非旨在处理分类变量。

如果您没有太多类别，那么您可以选择将它们表示为虚拟变量。这是我在 Python Pandas 中解释虚拟变量的帖子的链接。我还找到了一个Stack Overflow 答案，它解释了如何在 R 中创建虚拟变量。