Machine learning 如何使用离散的二进制属性对数据进行聚类？

在我的数据中，有一千万个二进制属性， 但其中只有一些是信息性的，大多数是零

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       .........

什么是一种智能的集群方式？ 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不那么明显。 它将遭受高维度的诅咒。 Eeve如果我基于这几个信息属性进行聚类，它仍然是多属性的

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？

您是否考虑过使用频繁项集挖掘来代替

K-means绝对是个坏主意，但当使用适当的距离函数（如jaccard、hamming、dice等）时，分层聚类可能会起作用

无论如何，什么是集群？算法的选择需要适合您想要找到的集群类型。在二进制数据上，基于质心的方法（如k-means）没有意义，因为质心意义不大

---

如果数据是“购物车”类型的信息，考虑使用频繁项集挖掘，因为它允许发现重叠子集。只是想知道这些属性代表什么，它们是否有意义？也许在这种情况下，汉明距离会做得更好；距离测量：汉明距离；代表性更新：采用每个属性的模式。。。只是随机猜测X射线！海明距离对我来说是一个信息丰富的想法！这些属性是用户对URL的单击。这就是为什么有这么多的网址！它们实际上是正整数属性，但大多数数字不是1就是0。所以我把它们当作二进制。不客气！实际上我对你的任务很感兴趣。如果你觉得有什么有趣的事，一定要告诉我！：）谢谢！但我的目的是将不同的用户分组。频繁项集挖掘如何对用户进行分组？这将生成“共享相同的频繁项集”中的组。如果你想拥有基于相似兴趣的团队，这似乎是一个很好的“集群”选择。（但您需要能够处理重叠集群和单例）。这就是我想知道的。我不知道如何处理这些问题。但你给了我新的关键词“聚集相似的兴趣”。我可以从中得到更多的信息。谢谢