聚类分析学习文档.docxVIP

聚类分析学习 聚类分析 聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。 聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学， HYPERLINK /item/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6 \t _blank 计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些 HYPERLINK /item/%E6%8A%80%E6%9C%AF%E6%96%B9%E6%B3%95 \t _blank 技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。 区别 聚类与分类的不同在于，聚类所要求划分的类是未知的。 聚类是将 HYPERLINK /item/%E6%95%B0%E6%8D%AE%E5%88%86%E7%B1%BB \t _blank 数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。 从统计学的观点看，聚类分析是通过 HYPERLINK /item/%E6%95%B0%E6%8D%AE%E5%BB%BA%E6%A8%A1 \t _blank 数据建模简化数据的一种方法。传统的统计聚类分析方法包括 HYPERLINK /item/%E7%B3%BB%E7%BB%9F%E8%81%9A%E7%B1%BB \t _blank 系统聚类法、 HYPERLINK /item/%E5%88%86%E8%A7%A3%E6%B3%95 \t _blank 分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k- HYPERLINK /item/%E5%9D%87%E5%80%BC \t _blank 均值、k-中心点等 HYPERLINK /item/%E7%AE%97%E6%B3%95 \t _blank 算法的聚类分析工具已被加入到许多著名的统计分析 HYPERLINK /item/%E8%BD%AF%E4%BB%B6%E5%8C%85 \t _blank 软件包中，如 HYPERLINK /item/SPSS \t _blank SPSS、 HYPERLINK /item/SAS \t _blank SAS等。 从机器学习的角度讲，簇相当于隐藏模式。聚类是有哪些信誉好的足球投注网站簇的 HYPERLINK /item/%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0 \t _blank 无监督学习过程。与分类不同， HYPERLINK /item/%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0 \t _blank 无监督学习不依赖预先定义的类或带类标记的训练实例，需要由聚类学习算法自动确定标记，而分类学习的实例或 HYPERLINK /item/%E6%95%B0%E6%8D%AE%E5%AF%B9%E8%B1%A1 \t _blank 数据对象有类别标记。聚类是观察式学习，而不是示例式的学习。 聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。 从实际应用的角度看，聚类分析是数据挖掘的主要任务之一。而且聚类能够作为一个独立的工具获得数据的分布状况，观察每一簇数据的特征，集中对特定的聚簇集合作进一步地分析。聚类分析还可以作为其他 HYPERLINK /item/%E7%AE%97%E6%B3%95 \t _blank 算法（如分类和定性归纳算法）的预处理 HYPERLINK /item/%E6%AD%A5%E9%AA%A4 \t _blank 步骤。 定义 依据研究对象（样品或指标）的特征，对其进行分类的方法，减少研究对象的数目。 各类事物缺乏可靠的历史资料，无法确定共有多少类别，目的是将性质相近事物归入一类。 各指标之间具有一定的相关关系。 聚类分析(cluster analysis)是一组将研究对象分为 HYPERLINK /item/%E7%9B%B8%E5%AF%B9%E5%90%8C%E8%B4%A8 \t _blank 相对同质的群组(clusters)的统计分析技术。 聚类分析区别于分类分析(classification analysis) ，后者是有监督的学习。 变量类型：定类变量、定量（离散和连续）变量 聚类方法 1,层次聚类（Hierarchical Clustering） 合并法、 HYPERLINK /item/