k均值實現混合變量在數據庫級

Question

我有不同的數據類型的列（如列：產品編號，名稱，大小，顏色，等級，部門等）的表，因爲不是所有列是數字的，我怎麼能聚集同類產品一起。數據位於Netezza中，爲了快速處理，我只想在數據量巨大時（大約200萬行）在數據庫端執行此操作。

我試圖在R中實現Gower的相似性，但它需要很長時間。有沒有我可以在netezza上使用的UDF？

dput（頭（PROD））

結構（列表（Product_key = C（ 「136220083」， 「134520094」， 「137520230」， 「133420231」， 「137420204」， 「136520284」），SRO_score = C（2，2，2，3，3， 1），PRDF_SKU_NAME = C（ 「1496533」， 「1496534」， 「1496537」， 「1496540」， 「1496541」，「1496542 「），ATTRIB_VAL1 = C（」 冠軍畫布 「 」冠軍 畫布「， 」冠軍畫布「， 」冠軍畫布「， 」冠軍畫布「， 」冠軍畫布「），ATTRIB_VAL2 = C（ 」海軍畫布「，」海軍帆布「， 「紅」， 「紅」， 「紅」， 「紅」），ATTRIB_VAL3 = C（ 「9.5W」， 「10W」， 「7W」， 「8.5W」， 「9W」， 「9.5W」） ，「ATTUB_VAL4 = c」（「Keds」，「Keds」，「Keds」， 「Keds」，「Keds」，「Keds」），ATTRIB_VAL5 = c（「VULCANIZED FOOTWEAR」， 「VULCANIZED FOOTWEAR」 ， 「硫化鞋」， 「硫化鞋」， 「硫化鞋」），ATTRIB_VAL6 = C（ 「WOMENS SPORT傳統的」， 「WOMENS SPORT傳統的」， 「WOMENS SPORT 傳統的」， 「WOMENS SPORT傳統的」，「WOMENS SPORT傳統的」， 「WOMENS SPORT傳統的」），ATTRIB_VAL7 = C（ 「1.38磅」， 「1.38磅」， 「1.38磅」， 「1.38磅」， 「1.38磅」， 「1.38磅」），ATTRIB_VAL8 = c（「女鞋 女鞋運動」，「女鞋運動鞋」，「女鞋運動鞋」，「女鞋女鞋「，」女鞋運動鞋「，」女鞋運動鞋「， ATTRIB_VAL9 = c（」女鞋「，」女鞋「，」女鞋「， 」女鞋「，」女鞋「女鞋 「）），.Names = C（」 Product_key」， 「SRO_score」， 「PRDF_SKU_NAME」， 「ATTRIB_VAL1」， 「ATTRIB_VAL2」， 「ATTRIB_VAL3」， 「ATTRIB_VAL4」， 「ATTRIB_VAL5」， 「ATTRIB_VAL6」， 「ATTRIB_VAL7」， 「ATTRIB_VAL8」， 「ATTRIB_VAL9」），row.names = C（4107L，3927L，4260L，3794L，4246L，4140L）中，class = 「data.frame」）

Answer 1

你可以用」只需使用具有高爾相似性的k-means。

K-手段需要計算意味着了。

通常的選擇是PAM，但是這種可怕的規模。你不想在你的完整數據集上使用它。

而不是縮放到您的整個數據集，首先使用示例學習做什麼。羣集權是困難。您需要花90％的時間進行預處理。

首先找出什麼可行。然後縮放。而不是相反。