为什么k均值只能(或最好)使用连续变量？

Question

在使用k均值算法做聚类的时候为什么只能使用连续变量？分类变量只能做哑变量，哑变量如何使用？另外在聚类的时候如果计算出某些点为一类了，那么如何在计算出这一类点的中心点呢？我的币不多还请各位高手哥哥姐姐多多指教... ....

Answer 1

    首先你得知道，k均值算法中，当已经计算出几个点为一类，算法会求这一类的中心点，即聚类中心。求中心的方法一般用的就是欧几里得距离，比如说数轴上有一个区间中三个点 1， 3， 8  为一类，那么这类的中心点就为 ( 1+3+8 )/3=4 。你可以拓展到二维，三维。。。反正就是平均值，即所谓的 k均值 算法。
    那么，为什么要求连续呢？那就要看这几个点的实际意义了。比如说如果这些点只能以整数的形式存在，整数不连续，在数轴上只能是一个一个跳跃出现的点。那么，当你求平均的时候，可能求出小数，而实际不允许用小数描述这些数据。