Es wäre nützlich, Werkzeuge zur Klassifizierung für nominale Variablen zu haben.Insbesondere für Cluster-Tools für binäre Variablen/gemischte Variablen (dh einige nominale und kontinuierliche Variablen gleichzeitig). Dies würde auch für CATA-Daten verwendet werden.Mögliche Lösungen könnten Latent Class, binäre Clustering-Algorithmen umfassen, wobei binäre Daten möglicherweise nur Einsen oder Nullen für das Clustering berücksichtigen (derzeit verwenden Sie Latent Gold und Sawtooth, CCEA-Software).Aus Sicht der Perspektive gefällt es uns, dass diese anderen Programme k-means mehrmals ausführen und über alle Läufe hinweg schauen, um zu sehen, was am besten reproduzierbar ist, nominal und kontinuierlich zulässt, eine optimale Anzahl von Clustern bietet und Anpassungsmessungen (Anpassungsgüte) zur Verfügung stellt, um die Bestimmung zu erleichtern Optimale Anzahl von Clustern.
