Scala ApacheSpark中具有分类和数字特征的数据聚类

我目前正在ApacheSpark（Scala/Java）中寻找一种能够对具有数字和分类特性的数据进行集群的算法

就我所见，pyspark（）有一个k-medoids和k-Prototype的实现，但我无法为我目前使用的Scala/Java版本找到类似的东西

对于运行Scala的Spark，是否有其他推荐算法可以实现类似的功能？还是我忽略了一些东西，实际上可以在Scala项目中使用pyspark库

---

如果您需要进一步的信息或澄清，请随时询问。

我认为您需要首先使用将分类变量转换为数字，然后使用mllib应用您的聚类算法（例如）。此外，我建议在应用集群算法之前进行此操作，因为它对距离敏感

Spark有K-means用于聚类数据，这不符合你的需要吗？@dumitru就我的研究而言，kMeans不适合分类数据-即使你将它们转换为数值，结果也没有那么有意义。一个处理分类变量的热编码是一个可怕的想法。Gowers距离是一个更好的方法。可与K-Prototype或PAM一起使用