快速入门聚类分析

传统聚类的入门书里，方开泰的这本真挺经典。内容是全中文，讲得比较系统，尤其适合想把多元统计搞明白的你。不光有算法，连计算思路也带着公式慢慢讲，嗯，数学基础不算太强也能跟上。书里的层次聚类、K 均值这些方法，用得还蛮多的，是在用户画像和推荐系统那类项目里。如果你之前只是会调调现成的库，看看这本你就知道背后咋回事了。想拓展一下？我推荐两个相关文章，一个是《多元统计与聚类》，另一个是《多元统计中的聚类技术》，都是比较贴近实际用法的。，如果你正准备做数据，或者在用scikit-learn撸聚类，还不太明白每个模型的区别，这本书看一看蛮有的。看完再写点代码，效果会更。

聚类的视频讲得还挺清楚的，是入门部分，概念、数据结构、还有怎么量距离这些都讲到了。基于王斌会的教材，内容比较系统，适合你用 R 建模的时候参考一下，哪怕你用的是 Python、MATLAB 也能听懂思路。视频时长不长，刷一遍不会太累，重点也讲得比较集中，挺适合做复习用的。 聚类的概念讲得还蛮通俗，比如怎么把一堆数据根据“长得像不像”分成一群一群的。听起来挺简单，其实里面不少细节要注意，像距离计算就有好几种方式，欧几里得距离、曼哈顿距离什么的，选错了效果差远。 你要是对数据结构还不太熟，建议先看下这篇相关文章：常用数据结构在聚类中的应用，里面把各种结构用在哪些场景讲得蛮清楚。嗯，配合视频一起学会

聚类分析 聚类分析将对象集合分组，形成由相似对象组成的多个类别。与分类不同，聚类事先并不知道要划分的类别。 聚类分析的概念 聚类分析的目标是将数据划分到不同的类别（簇）中，确保同一簇内对象高度相似，而不同簇之间对象差异显著。从统计学角度看，聚类分析是一种通过数据建模简化数据的方法。 聚类分析的应用 商业: 识别不同客户群体，刻画其购买模式。 生物: 动植物分类和基因分类，理解种群结构。 地理: 识别地球数据库中的相似性趋势。 保险: 识别高消费汽车保险客户群体，根据住宅类型、价值和地理位置对城市房产进行分组。 互联网: 文档归类，修复信息。 电子商务: 网站建设和数据挖掘，根据相

该PPT简要介绍C均值聚类方法的原理和步骤，适合对C均值有初步了解的人员。若要深入学习，推荐参考谢中华老师的《MATLAB统计分析与应用》。

聚类分析基于数据相似性，将数据对象分组的过程，不同于分类或预测，其类标号在分析前未知。

聚类分析简介 聚类分析的类型 聚类分析的步骤 聚类分析的算法 聚类分析的评估指标 聚类分析的应用

聚类的实战思路，结合tinyxml使用讲得还挺细的，尤其适合做用户画像、菜品分类这些需求的场景。你如果在做餐饮或者电商这类涉及行为数据的项目，看看这个会有不少启发。讲算法不绕，像K-Means、层次聚类、DBSCAN这些怎么选怎么用都有提。还结合tinyxml模型输出，代码也简单，适合快速上手。

聚类分析：分类观察变量，将共性变量分组，减少变量数量，无新变量生成。 因子分析：选择综合变量，反映原始数据结构，产生新变量。

聚类方法的讲义 PPT，内容还挺实在的，适合做数据或市场细分的朋友参考一下。讲得比较清楚，从聚类的基本任务讲到系统聚类法，像k-means、欧式距离、Q-距离这些常见算法和概念都带到了，搭配案例用起来会更直观。 里面提到的样本分类和变量分类，是做初步探索时常见的做法，尤其是在你数据还比较“原始”的时候，用聚类先分个类，再去做判别、降维都比较方便。就像是先把人群按兴趣标签分个组，再研究他们的行为特征。 距离和相似性这块讲得也不啰嗦，比如用欧式距离判断相近，或者用余弦相似度看方向一致，其实你在用sklearn的时候经常得选这些参数，有这个讲义打底，心里会更有谱。 另外提到的系统聚类法，其实挺适合做