Este estudio se centra en adaptar el clustering espectral, una técnica de clustering de datos numéricos, para datos categóricos y de tipo mixto. El método mejora el clustering espectral para datos categóricos y de tipo mixto con nuevas funciones de kernel, mostrando una precisión mejorada en aplicaciones del mundo real. A pesar de lograr un mejor clustering para conjuntos de datos con variables mixtas, aún existen desafíos en identificar funciones de kernel adecuadas para relaciones categóricas.