machine-learning - 如何对具有离散二元属性的数据进行聚类？

Question

在我的数据中，有数千万个二进制属性，但只有其中一些是有信息的，大多数都是零。

格式如下:

data  attribute1 attribute2 attribute3 attribute4   .........
A          0          1           0         1       .........
B          1          0           1         0       .........
C          1          1           0         1       .........
D          1          1           0         0       .........

对此进行聚类的明智方法是什么？我知道 K 均值聚类。但我认为它不适合这种情况。因为二进制值使距离变得不那么明显。它将遭受高维诅咒。Eeve 如果我基于这几个信息属性进行聚类，它仍然是许多属性。

我认为决策树很适合对这些数据进行聚类。但这是一个分类算法!

我能做什么？

Answer 1

您是否考虑过频繁项集挖掘？

K-means 绝对是一个坏主意，但是当使用适当的距离函数(例如 jaccard、hamming、dice 等)时，层次聚类可能会起作用

无论如何，什么是集群？算法的选择需要适合您想要查找的集群类型。对于二进制数据，基于质心的方法(例如 k-means)没有意义，因为质心的意义不大。

如果数据是“购物车”类型的信息，请考虑使用频繁项集挖掘，因为它允许发现重叠子集。