Python kmodes与一个热编码&x2B；分类数据的kmeans？

我正在探索用python对一些分类数据进行集群的可能性。我目前有8个功能，每个功能大约有3-10个级别

正如我所理解的，kmeans是一种热编码，并且可以在这个框架中使用，由于维度问题的诅咒，kmeans对于功能/级别的巨大组合可能并不理想

这是正确的吗

目前，我将遵循kmeans路线，因为这将使我能够灵活地加入一些数字特征，计算轮廓统计和评估最佳集群数量似乎要容易得多

这有意义吗？对于哪种情况下，一种方法比另一种更可取，您有什么建议吗

---

感谢

还有一些变体在分类属性上使用k模式方法，在连续属性上使用平均值

---

与热+K-方法相比，K-模式有一个很大的优势：它是可解释的。每个集群对于原型都有一个明确的分类值。对于k-均值，由于SSQ目标，如果一个热变量在两个值之间，则误差最小。这是不可取的。

参考黄（Kmodes作者）的这篇论文

他提到，如果我们使用Kmeans+one热编码，那么如果分类属性有大量的类别，那么数据集的大小将大大增加。这将使Kmeans的计算成本增加。所以，是的，你关于维度诅咒的想法是正确的

此外，由于0和1不是数据的真实值，因此集群方法也没有意义。另一方面，Kmodes产生簇模式，簇模式是真实数据，因此使簇具有可解释性

对于数字和分类属性的需求，请查看k-Prototype方法，该方法将kmeans和kmodes与平衡权重因子相结合。（论文中再次解释）