7.2 聚类分析之系统聚类法比较

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》。

聚类分析课件已上传，供大家学习。本课件基于《应用多元分析》一书，深入探讨了聚类分析的原理和方法。聚类分析是根据一批样品的多个观测指标，通过数学公式计算样品或参数(指标)之间的相似程度，从而将相似的样品或指标归为一类。

系统聚类的基本性质之一是单调性。所谓单调性指的是在系统聚类法中，随着并类过程的进行，距离逐渐减小。除了中间距离法和重心法外，大多数系统聚类方法都具有这种性质。

非统计或数学专业人士也能轻松上手聚类分析！只需三分钟，了解聚类的目的、分类、步骤，助您解决问题，思路清晰，操作简便。

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

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。