聚类分析并不靠谱

                                                   距离定义不同，聚类结果不同

       聚类分析中，距离有两种定义方式，即：

• 依据远近：即距离的远近程度，远即距离远，近即距离近；

• 依据相似程度：即相似程度低为距离远，相似程度高为距离近

       相同的聚类分析中，距离的定义方式不同，得到的聚类结果也会不同，实际的数据分析工作中，为了便于解释结果，我更喜欢使用相似程度去定义聚类分析中的距离。

                                                         聚类分析中的坑

       如下为聚类分析过程中尤其要注意的点：

• X间不可相关

       回归模型中自变量间不能具有相关性，同样，聚类分析中的自变量间也不可以相关，其实，聚类分析中对自变量相关性的把控比回归模型还要严格；

• 剔除量纲

       聚类分析前需要剔除量纲的影响；

• 正态分布

       由于聚类分析的结果不稳定，导致聚类分析非常脆弱，对于数据分布非常敏感，所以，聚类分析前需要精确的探索数据分布。快速聚类有一个基本假定，即参加聚类分析的变量必须服从正态分布，如果是非正态分布，则只能使用非参聚类去进行聚类的分析；