在 R 中使用混合变量进行聚类

Question

我正在尝试使用连续变量和分类变量按照 kmeans 方法构建聚类模型。

目标是根据性别、年龄、职业、计费计划、单元phone和某些应用程序的使用情况创建集群

我正在为如何处理分类数据而苦苦挣扎，我知道我应该将它们变成假人，但不太确定如何同时处理所有分类变量。

谢谢

table 看起来像：

ID 性别年龄职业计划单元格phoneAmazon Prime GB DL Apple Music GB DL Audible DB DL C001 NR 56 学生 Archaius SAMSUNG 0 0 0.498829165 C002 M 25 管理层马拉维华为 0 0 1 C003 H 32 Archaius Apple 教授 0 0 0.632005841

Answer 1

从分类变量创建虚拟变量的一种可能解决方案是“fastDummies”包：

library(fastDummies)
df <- data.frame(NR1 = c(1,2,3),
                 NR2 = c(0.1, 0.5, 0.7),
                 FA1 = factor(c("A","B","C")),
                 FA2 = factor(c("5","6","7")))

str(df)
'data.frame':   3 obs. of  4 variables:
 $ NR1: num  1 2 3
 $ NR2: num  0.1 0.5 0.7
 $ FA1: Factor w/ 3 levels "A","B","C": 1 2 3
 $ FA2: Factor w/ 3 levels "5","6","7": 1 2 3

# one variable per factor level
fastDummies::dummy_cols(df)
  NR1 NR2 FA1 FA2 FA1_A FA1_B FA1_C FA2_5 FA2_6 FA2_7
1   1 0.1   A   5     1     0     0     1     0     0
2   2 0.5   B   6     0     1     0     0     1     0
3   3 0.7   C   7     0     0     1     0     0     1

# encoding where where there are n-1 columns per factor (as in case of all being 0 it implies the last is 1 already)
fastDummies::dummy_cols(df, remove_first_dummy = TRUE)
  NR1 NR2 FA1 FA2 FA1_B FA1_C FA2_6 FA2_7
1   1 0.1   A   5     0     0     0     0
2   2 0.5   B   6     1     0     1     0
3   3 0.7   C   7     0     1     0     1

在 R 中使用混合变量进行聚类

Clustering with mix variables in R

r

cluster-analysis