인프런 커뮤니티 질문&답변

안녕하십니까,

순수하게 categorical value만 있는 데이터 세트라면 클러스터링 적용이 어려울 것으로 보입니다만...

개인적으로는 numeric과 categorical이 섞여 있는 데이터 세트에서는 categorical은 one-hot encoding을 적용해서 clustering을 수행하는 것을 선호합니다.

말씀하신 k-modes는 사실 저도 처음 들어보는 거라, 구글 검색을 해보니 categorical과 numeric이 혼합된 데이터에 적용을 권장하는 자료들이 많군요. 저도 실제 적용을 해보진 않아서 효과는 말씀드리기가 어려울 것 같습니다.

추가적으로 R(파이썬이 아닌)에는 Gower distance가 있습니다. catgorical과 numeric에 혼합된 데이터에서 사용되는 metric인데, 아쉽게 scikit learn에는 제공하지 않습니다. 하지만 gower distance를 python으로 구현한 패키지를 활용할 수는 있습니다.

pip install gower로 해당 metric를 설치하시고, 아래 글을 참조해 보시면 좋을 것 같습니다.

https://stats.stackexchange.com/questions/444593/how-to-use-gowers-distance-with-dbscan-algorithm-in-python

감사합니다.