聚类混合数据

Question

我有90000条客户细分记录，包括数字、标称和序数变量：

*houselhold_ID* ID for household

*quantity*: integer, number of products bought

*price*: values 1 to 3 with 1 for 0-5, 2 for 5-8 and 3 for 8-10

*product name*: nominal values 1 to 9 representing 9 different products like different kind of cheese...

*duration*: days from the current buy to the next buy.

*age*: catgeorical age groups: 1: 0-24 years, 2: 25-39 years, 3: 40-59 etc.

*salary*: 1: to 1499 2 : 1500 bis 2499 3 : 2500 bis 3499 4 : 3500 or more 

*number_of_persons_household*: integer 

*price_con*: price conscious: 1 to 4 for not price conscious 
to very price conscious

*education*: 1 to 3 for lower education to high school/university.

我已经做了异常点的检测，并删除了他们的小频率。大多数家庭有40次购买。

我想在R中进行聚类分析，以便在这些数据中找到模式。

我目前运行kmodes，并希望测试kproto。

但我的问题是：

有什么可能像Hopkin统计数据那样的聚类，比如数值吗？

如果我有两个以上的类，是否也有一种可视化？这样就可以将数据点可视化到组中。

也许有人有处理这类数据的经验。我对分析这些数据的提示和技巧持开放态度。

编辑：

下面是kmodes的肘形图，共有15次迭代和20000条记录，全部为90000次：

那么2或3个簇是好的吗？

EDIT2：

我现在在R中做了一个多因素分析，另外，我做了一些持续时间变量的工程。我将变量分为三组，分别按低、中、高时长的平均分位数和分位数划分。

library("FactoMineR")
library("factoextra")
    res.mfa <- MFA(dat[1:20000,], 
                   group = c(1, 1, 1, 1,1,1,1,1,1), 
                   type = c("c", "n", "n", "n", "n","c","n","n","n"),
                   name.group = c("quantity","price","product",
                                  "age","salary","persn","price_con","edu", "duration"),

                   graph = FALSE)

我对每个变量都使用了一个组。结果似乎很糟糕。只有30%的方差可以用6个维度来解释？！这么糟？

有什么想法吗？

Answer 1

尝试HAC与高尔的相似性。

这是一种非常启发式的方法--没有什么能使你免于加权变量--但值得一试。