我试图学习和理解使用Python的集群算法是如何工作的
问题:
我有一个数据集,大约有5列,混合数据类型(字母数字/日期/数字),我想基于多个具有公共值的字段对它进行聚类。你知道吗
示例:
Index Col-1 Col-2 Col-3 Col-4 Col-5
----------------------------------------------------------------
0 US1 John ABC123 01/01/2019 200
1 US2 Alex 256xyz 01/12/2018 8000
2 US1 John ABC12 01/01/2019 200
3 US2 Alex 00256xyz 01/12/2018 8000
4 US2 Alex XYZ 01/12/2018 8000
5 US3 Mary 345abc 27/03/2000 9040
输出:
Index
Cluster-1: 0 and 2
Cluster-2: 1,3,4
Cluster-3: 5
基于Col-1,应该创建2,4,5个集群。你知道吗
我不知道这是否有意义,是否有可能实现它。你知道吗
如果是,对于非数字数据集,最好的算法是什么?也可以通过代码实现。你知道吗
不确定您是在寻找精确匹配还是使用近似匹配进行聚类。 为了精确匹配,您可以简单地按所有四列分组,为每个组合创建一个组id,然后通过加入此表来查找属于同一组的所有人。你知道吗
在近似匹配的情况下,您可以将它们编码为虚拟变量,并使用hamming距离来计算相似度并基于它创建簇
相关问题 更多 >
编程相关推荐