这取决于许多因素，包括：数据和数据类型、距离度量、聚类方法。您还需要记住，不同的软件包可能会以不同的方式处理/不处理各种步骤和转换。

数值数据：

标准化或缩放数字特征以确保这些特征具有相同的比例和/或单位方差。例如最小最大比例，以便所有值都在 0-1 范围内。

分类数据：

对于性别或国家等名义数据，可以应用 Dummy / One Hot Encoding 来有效地将每个值视为二进制特征。对于具有高基数 (>15) 的情况，例如美国各州，可能有必要通过应用特征工程或其他技术来减少这些。

序数数据可能是最难处理的。需要理解并解释每个值之间的顺序和相对差异。拿奥运奖牌来说，我们可以分配铜牌 (1)、银牌 (2) 和金牌 (3)，然后应用 MinMax 0-1 缩放来有效地将这些作为数字特征处理。关键是这种方法意味着白银的价值是青铜的两倍，而黄金的价值是青铜的三倍。这可能是正确的，但当数据中的顺序不太明确时可能会变得具有挑战性。我经常要处理的一个问题是大小不等的公司收入箱。另一种方法是在分类的情况下使用每个值相对于目标的分数。

我正在写这篇关于集群混合数据类型数据的python 笔记本和博客文章- 这是一项正在进行的工作，但关键概念就在那里。

如果它是分类的，您可以使用每个类别的存在/不存在作为特征。

如果它是标称的（有序的），您可以将它们的值标准化为 0 和 1 之间（或者您将其余数据标准化到的任何范围）。