4种聚类

聚类的方法和结果是多种多样的，你可以使用多种方法，只要你的结果解释的合理就行，解释不好就换种方法试试

聚类数目一般不要分为太多类了，一般K小于等于5吧，看你实际情况分为几类好解释了

聚类之前首先标准化处理数据以消除量纲的影响

标准化处理很简单，直接在spss中描述统计就好啦

因为聚类中计算距离使用欧氏距离

除非所有指标的单位都一样，比如数据是各种消费指标，单位都是元，那就不需要标准化

聚类也是可以对指标分类的，只是用的很少

一般都是对样本进行聚类的

1 k-means

简单
计算效率很高
聚类结果依赖初值

2 k-means++

spss默认使用的就是kmeans++

他可以保证不同的类之间的距离可以尽量的大，这不就是聚类的初衷嘛，所以他会成功

最大的不同在于聚类初始中心的选择

轮盘法
轮盘法
轮盘法

但是，并不是说低概率的点就不会被选作聚类中心了，概率嘛，小概率也是可能发生的

3 系统聚类/层次聚类

解决k均值需要自己确定簇数的问题

最后生成一个谱系图

根据距离不断合并

样品与样品之间的距离

示例

最常用的是前面两个，后面三个都用很少的

指标和指标的距离（用得少）

相关系数是一个线性距离

示例

类和类之间的距离

即聚类中心之间的距离

帮助确定类别数目k的图形方法（肘部法则）

k最大是n-1哈，为n还算个啥畸变程度

spss中系统聚类给出的结果中的系数，就是上图的聚合系数

画出聚合系数和类别数的图像，由聚合系数的定义知道，一定是随着k增大，系数减小的，递减的趋势

用spss画出的聚类可视化图像（只适用于指标为2和3的可视化，实际情况一般指标多于3，是不可以这样可视化的）

4 DBSCAN聚类算法

这个聚类还是用得少，除非你的数据真的是很"dbscan",你懂吧，木就是挨着一坨一坨的很密集的那种

上面的k均值和层次聚类都是基于距离的

上图的这种数据，是只能用基于密度的聚类的，基于距离的聚类怎么着都聚不好

非常重要的参数——半径

聚类完成后，有的点不在任何类中，则为本次聚类的异常点

还是系统聚类好使啊，非常经典，能写的东西有肘部法则，谱系图,系统聚类算法流程图啥的，比k均值聚类能写的东西多得多