Здравствуйте!

Столкнулась с задачей кластеризации больших объемов данных, которые содержат информацию о клиентах. Так как данные смешанного типа (числовые, нечисловые), никак не могу определиться с оптимальным алгоритмом. 

Подскажите, пожалуйста, какой алгоритм или меры расстояния лучше применять в таких случаях?

Исследование надо делать. Нечисловые данные оцифровать.

Дальше, как вариант, на примерах бегло (лучше, конечно, не бегло) посмотреть, какой алгоритм даст лучший результат.

Даже крупные компании, например, Яндекс экспериментируют в подобных задачах.
См. Интернет-математика

Ну и, как обычно при любой возможности лучше грамотно перенять какой-нибудь иностранный образец, но его скорее всего нет.


Это сообщение отредактировал(а) nworm - 28.2.2013, 17:57

В этом и возникает проблема, потому что данные необязательно ранговые или бинарные.

И иностранного образца тоже никак не найти

IrinaLive, 
В любой последовательности можно найти сколь угодно много закономерностей. Также и с классификацией одни и теже данные можно сгруппировать большим числом способов.

Так что выбор метрике должен делать эксперт в данной области. Нет существует одной единственной метрике на все случаи жизни.

Также и Яндекс проводя конкурс пытается найти такого эксперта. Но даже они задают цель которую надо получить и предлагают способ оценке по достижению цели.

Я прекрасно понимаю, что идеального решения не найти, просто думала, может быть кто-то имеет опыт в подобных задачах и исследовал алгоритмы кластеризации, потому что их огромное количество и браться за все для начинающего довольно сложно.

Это сообщение отредактировал(а) IrinaLive - 28.2.2013, 19:01