Tengo datos que representan algún aspecto del comportamiento humano. Quiero agruparlo (sin supervisión) en perfiles de comportamiento de algún tipo. ahora, algunas de mis variables son categóricas (con 2 o más categorías), y algunas son continuas (la mayoría son porcentajes). Algunas variables son aún más complejas en que una categoría tiene más continua y la otra no tiene esos datos adicionales.
Mi pregunta es sobre cómo clasificar estos datos. ¿Cuáles son los enfoques (¿comunes?) Para tratarlo?
No necesito código ni nada, sino algunas referencias o instrucciones que me ayudarán a comprender mejor cómo enfrentar este desafío.
Si conoce Rfunciones que faciliten dicho análisis, sería excelente, pero no es necesario.
Gracias.
2
La medida de similitud de Gower puede tomar simultáneamente datos continuos, ordinales, binarios y nominales. Puede utilizar métodos de agrupación como jerárquicos o medoides, para analizar la matriz de proximidad. Pocos otros métodos de agrupación (por ejemplo, agrupación TwoStep) pueden tomar variables continuas y nominales a la vez.
—
ttnphns
En cuanto a los porcentajes o recuentos, a veces se calculan medidas especiales de chi-cuadrado para ellos, y a veces se usa la distancia euclidiana habitual, como para datos continuos.
—
ttnphns
Con todo, agrupar datos de tipo mixto es algo complicado y podría ser solo para un analista de datos experimentado, tal vez. Por otro lado, la agrupación de dichos datos a menudo no es una buena idea, ya que existen problemas de estandarización, interpretación y análisis de contribución de características.
—
ttnphns