python - 使用分类变量的K均值

我有一个大数据集45421 * 12（行*列），其中包含所有分类变量。我的数据集中没有数值变量。我想使用此数据集构建无监督的聚类模型，但是在建模之前，我想知道此数据集的最佳特征选择模型。
而且我无法将肘部曲线绘制到该数据集。我用k均值弯头法给出范围k = 1-1000，但是它没有给出任何最佳的聚类图并且需要8-10个小时来执行。如果有人提出更好的解决方案，那将是极大的帮助。

码：

data = {'UserName':['infuk_tof', 'infus_llk', 'infaus_kkn', 'infin_mdx'],
       'UserClass':['high','low','low','medium','high'],
       'UserCountry':['unitedkingdom','unitedstates','australia','india'],
       'UserRegion':['EMEA','EMEA','APAC','APAC'],
       'UserOrganization':['INFBLRPR','INFBLRHC','INFBLRPR','INFBLRHC'],
       'UserAccesstype':['Region','country','country','region']}

df = pd.DataFrame(data)

最佳答案

对于这样的分类数据，K均值不是合适的聚类算法。您可能需要寻找一种K模式方法，但很遗憾，该方法当前未包含在scikit-learn软件包中。您可能需要查看此软件包，以获取github上可用的kmode：https://github.com/nicodv/kmodes，它遵循了您从scikit-learn惯用的许多语法。

有关更多信息，请参见此处的讨论：https://datascience.stackexchange.com/questions/22/k-means-clustering-for-mixed-numeric-and-categorical-data