我有一组客户，具有不同的属性，包括连续的、分类性的、二元的和顺序的。知道这些不同类型的属性不能应用相同的距离度量，我该如何对他们进行聚类？提前感谢您。

回答：

如前所述，daisy包是一个选项，它会根据数据类型自动选择最佳的距离度量。但我建议采用以下方法，并请求专家提供意见。

与其自动选择，不如识别并移除一些相关的变量，例如（一些示例）
皮尔逊相关系数：用于连续变量
卡方检验：用于分类变量
分类与数值变量：单向方差分析等。

在选择有用的变量子集后，考虑对分类变量进行独热编码，并可能将顺序变量转换为连续变量（或分类变量并进行独热编码）。使用不同的距离度量（如欧几里得距离、曼哈顿距离等）来测试和评估结果。这样，您将对整个聚类过程有更清晰的了解。