如何在 Python 中对包含 TRUE/FALSE 值的数据集执行聚类？

Posted 2023-03-12

【中文标题】如何在 Python 中对包含 TRUE/FALSE 值的数据集执行聚类？

【英文标题】：How to perform clustering on a dataset containing TRUE/FALSE values in Python?

【发布时间】：2021-01-12 13:23:21

【问题描述】：

我的数据集包含描述某些角色能力的列，其中填充了True/False 值。没有空值。我的最终目标是制作具有相似能力的角色组。问题来了：

我应该将True/False 值更改为1 和0 吗？还是没有必要？ 我应该使用什么聚类模型？ KMeans 可以吗？ 如何解释结果（输出）？我可以想象一下吗？

问题是我总是看到人们在数字数据集上执行聚类，你可以将其可视化，而且看起来更容易做到。对于True/False，我什至不知道如何处理它。

谢谢。

【参考方案1】：

一般情况下无需将 True/False 更改为 0/1。仅当您想应用无法处理布尔输入的特定聚类算法（如 K-means）时，才需要这样做。 K-means 不是首选选项。 K-means 需要连续特征作为输入，因为它基于计算距离，就像许多聚类算法一样。所以没有布尔输入。尽管二进制输入 (0-1) 有效，但它并不能以非常有意义的方式计算距离（许多点之间的距离相同）。如果只有 0-1 数据，我不会使用聚类，但建议将数据制成表格并查看哪些单元格经常出现。如果您有一个大型数据集，您可能会使用 Apriori 算法来查找频繁出现的单元格。 通常，聚类算法通常会为每个观测返回一个聚类编号。在低维中，此数字经常用于为散点图中的观察值赋予颜色。但是，在您使用布尔值的情况下，我只会列出最常出现的单元格。