Что бы почитать про кластерный анализ?

Hierarchical clustering © — > Software ©.

Так, в scipy вроде есть что нужно. А можешь пояснить про метрику, по каким критериям выбирается та или иная, и как она строится для данных разной размерности и финитности/инфинитности? Ну вот например, у меня каждое событие характеризуется двумя величинами: [a = число -1..1 ; b = попугаи -inf..+inf]. Мне нужно определить расстояния между каждой парой событий. Как быть с попугаями? Обоснованно ли сделать что то вроде b' = 2*atan(b/std(b))/π и подставлять в метрику уже [a, b']?

про метрику, по каким критериям выбирается та или иная

По физическим критериям. Норма — это функционал, задающий метрику, обобщающий длину вектора. В вариационном анализе ищут решение, доставляющее экстремум этому функционалу.

Обоснованно ли сделать что то вроде

Обосновано, ежели «попугаи» не нарушают связь нормы и метрики: инвариантность относительно сдвига и положительную однородность ©.

P.S. Поскольку «я не настоящий сварщик»:) глянь Смолянов О.Г. Анализ на топологических линейных пространствах и его приложения ©.

Норма — это функционал, задающий метрику,

Мимопроходил, но не нужно всё смешивать в кучу, особенно если речь о попугаях. Не каждое метрическое пространство является нормированным векторным пространством.

ТС, если у тебя «видно» группы, то неплохим началом может быть weighted norm/metric в сочетании с обычной эвклидовой метрикой, как в первом ответе тут: https://math.stackexchange.com/questions/394237/understanding-weighted-inner-...

Не каждое метрическое пространство является нормированным векторным пространством.

Согласен ©, но у ТС'а «каждое событие характеризуется двумя величинами», следовательно, имеем «нормированное векторное пространство с попугаевой нормой» :)

каждое событие характеризуется двумя величинами

Допустим, одна из величин дискретна (что вполне может быть, 0 или 1, например). Что тогда?

Что тогда?

Тогда будет дискретное метрическое пространство (возможно сепарабильное?), однако это уже другая задача, а ТС указал «[a = число -1..1 ; b = попугаи -inf..+inf]», где двоеточия намекают на непрерывность.

Уименя там ещё угловая величина есть, её же тоже нужно как-то приводить, вопрос как...

вопрос как...

Ежели все компоненты события, в том числе и угол, линейно независимы, то они будут столбцами гетерогенного массива, который кластеризуют обычным образом.

кластеризуют обычным образом

Вот это не понятно пока. Каждая строка массива же должна быть аргументами метрики, где они будут между собой складываться. Т.е. в любом случае нужно каждый элемент строки переводить в безразмерную форму и компактизировать/финитизировать, или я что-то фундаментально не догоняю?

Про k-means почитай, как один из самых популярных. Это ты в бигдату пришел и машинное обучение. По этой тематике и ищи.

PS

https://habr.com/ru/post/101338/

Глянь

Т.е. в любом случае нужно каждый элемент строки переводить в безразмерную форму и компактизировать/финитизировать

Ненужно. Это только в «k-means», упомянутый предыдущим оратором, требуют однородных данных с результатом в гиперсфере, а «hierarchical clustering» допускает произвольную форму кластеров, например, как в задаче многомерного шкалирования §1.2.

К-минс ему не подходят, для дискретных и угловых лучше иерархический - он даже на попугаях выдаст приемлимый результат.

Скорее всего, вы правы. Но надо смотреть на практике что у него там.