聚類分析：基于數(shù)據(jù)自身信息來(lái)對(duì)數(shù)據(jù)進(jìn)行分類的方法
要求：類別內(nèi)部的差異盡可能小，類別間的差異盡可能大
模型好壞：依據(jù)模型在問(wèn)題中的“有用性”來(lái)判斷模型的好壞。
聚類分析的實(shí)質(zhì)：按照距離的遠(yuǎn)近將數(shù)據(jù)分為若干個(gè)類別，以使得達(dá)到要求。
研究問(wèn)題：事先不知道研究的問(wèn)題分為幾類
目的：通過(guò)對(duì)觀測(cè)數(shù)據(jù)進(jìn)行分析處理，選定一種度量個(gè)體接近程度的統(tǒng)計(jì)量，確定分類數(shù)目，建立一種分類方法，并按接近程度對(duì)觀測(cè)對(duì)象給出合理的分類。
分類：根據(jù)距離和相似性定義的方法的不同，可以分為諸多的聚類分析方法，大概有一百多種，理解其本質(zhì)才是我們應(yīng)該做的。
我主要介紹幾個(gè)比較常用的聚類方法：K-means、系統(tǒng)聚類、層次聚類、兩步聚類
一：K-means （快速聚類、k-均值聚類）——非層次聚類 （只能對(duì)樣本進(jìn)行聚類，而不能對(duì)變量進(jìn)行；使用變量必須是連續(xù)變量；對(duì)變量的多元正態(tài)性、方差齊性等條件要求較高，如果忽略這些問(wèn)題就可能導(dǎo)致錯(cuò)誤的結(jié)果）
（1）步驟
@1：確定聚類的類別數(shù)；由研究者根據(jù)實(shí)際問(wèn)題指定；在實(shí)際問(wèn)題中，往往需要反復(fù)把數(shù)據(jù)分成不同的類別數(shù)，并進(jìn)行比較，從而找出最優(yōu)的方案
@2：根據(jù)研究者指定的聚類中心，或者數(shù)據(jù)本身結(jié)構(gòu)的中心，或者隨機(jī)選擇k個(gè)案例，來(lái)初步確定每個(gè)類別的初始聚類中心
@3：逐一計(jì)算各案例到各類別初始聚類中心的距離，將各案例按距離最近原則歸入各個(gè)類別，并計(jì)算新的聚類中心（平均值表示）
@4：按照新的聚類中心位置，重新計(jì)算各案例距離新的聚類中心的距離，并重新進(jìn)行歸類，更新類別聚類中心
@5: 重復(fù)步驟@4，直到達(dá)到一定的收斂標(biāo)準(zhǔn)，或者達(dá)到事先指定的迭代次數(shù)為止
（2）案例：移動(dòng)通信客戶細(xì)分（mobile.sav)
說(shuō)明：前期調(diào)研已知，用戶應(yīng)該被分為5個(gè)群體（數(shù)據(jù)如圖所示）
@1：預(yù)分析（首先看數(shù)據(jù)的整體分布特點(diǎn)，判斷是否需要標(biāo)準(zhǔn)化案例） 在描述統(tǒng)計(jì)中可見(jiàn)
明顯的看到：變量之間的平均值差異和標(biāo)準(zhǔn)差差異極大，因此需要考慮對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，即另外生成標(biāo)準(zhǔn)化后的數(shù)據(jù)集；如圖操作：
結(jié)果如圖：
@2：k-means聚類分析操作步驟
1：選擇“分析”——》“分類”——》“k-均值聚類”菜單項(xiàng)
2：將6個(gè)標(biāo)準(zhǔn)化后的變量選入“變量”框
3：將Customer_ID選入“個(gè)案標(biāo)注依據(jù)”框
4：將“聚類數(shù)”框更改為5
5：在“迭代”子對(duì)話框中，將最大迭代次數(shù)改為50
6：在“保存”子對(duì)話框中，選中“聚類成員”復(fù)選框
7：確定
操作圖如下：
@3：結(jié)果展示與解釋
初始聚類中心默認(rèn)由軟件自動(dòng)生成，也可人為選擇??！
此為其迭代過(guò)程，一直到各類別均收斂于0?。?br>
此為最終的聚類中心（各個(gè)變量在各個(gè)類別上的平均值）以及各個(gè)類別的案例數(shù)量，可以明顯地看出，各類別之間差異都蠻大的！！并且突出了各個(gè)類別的特點(diǎn)，到這一步，問(wèn)題就基本解決了，用戶的分類特性已經(jīng)呈現(xiàn)出來(lái)，根據(jù)其變量之間的最終聚類中心的比較即可得出結(jié)論。
