Понимание значений типов данных и атрибутов

Question

Я хотел бы понять следующие значения типов данных и атрибутов для следующих данных, понимая, что он может принять правильное решение для выбора алгоритма классификации или кластеризации.

мои данные состоят из 100 папок, содержащих изображения в каждой из них, поэтому я выбрал некоторый контент для категорического эти изображения на основе его содержания как {море, небо, лев .... и т.д.}

       categorical- attributes 

folder-name total images  sea   sky  food  animals 
folder1   100   10   2  0   5 
folder2   20    0   1  15  3 
etc. 

всего изображений относятся к общим изображениям в этой папке, число в каждой категории - это частота изображений, найденных в каждой папке, например, морская картинка находится в папке 1 10 (10 изображений - морская фотография) и т. Д.

Я знаю, что значения здесь дискретны, но каковы атрибуты {интервал, номинал, порядковый номерЗначениебыло сгруппировано на основе простого сравнения: folder1.image1 = sea, если да, тогда 1 в противном случае равно 0, тогда я сгруппировал значения изображений, чтобы объявить приведенную выше таблицу, в случае преобразования значений частоты в порядковый номер, вычисляя частоту, если ее 10%, тогда 1, 20%, тогда 2, так правильно, любые советы спасибо.

Answer 1

Как я уже говорил в моих комментариях вы реализуете различные подходы к кластеру:

1. евклидово расстояние (позволяет сказать, что выборочные 10% наиболее часто встречающихся терминов и построить пространство соответственно (X .. п ось) и их измеряют расстояние между документами (папки)
2. Jaccard индекс
3. CLIQUE выглядит интересно, но я не достаточно хорошо знаком с ним.
4. тс-IDF хорошо для пятнистость, не частые термины (файлы) и утверждают, что документы, эти термины похожи и принадлежат к одному и тому же класс.

Как я уже говорил, я начинал с чего-то действительно простого, например, ранжирования терминов или евклидова расстояния, чтобы «почувствовать» данные. По мере поступления вы получите больше идей