K-means聚类

不同于分类模型，不知道种类是什么，比如苹果我们知道是水果，但聚类针对的是不知道其种类的情况

方法流程

一、指定需要划分的簇的个数K值（类别的个数）

二、随机选择K个数据对象作为初始的聚类中心（不一定是我们的样本点，任意取）

三、把样本划划分到聚类中心，把对象划分到距离最近的那个中心

四、更新中心，取类的重心

五、重复三、四步骤

优点在于高效快速，缺点在于主观选组簇时对最后结果影响很大，孤立点敏感

为此提出K-means++算法

一、随机选取一个样本点作为第一个聚类中心，这里必须包括了样本点

二、计算每个样本到中心的距离，且认为，距离越大，被选为聚类中心的概率越大，然后通过轮盘法从这些远距离的点里选则下一个聚类中心（当选择到底三个点的时候，我们取第一个点和第二个点的中心，其他的类似）

三、重复二

在spss中进行分类—聚类

如过量纲不同的话，可以采取标准化：（x-x均值)/标准差

spss中可以进行描述性统计标准化之后的数据在进行聚类

但是，K-means++依然不能解决初值选定问题，2类3类抑或是4类还是带有主观性

系统聚类可以解决K问题，通过spss生成谱系图，得到K

也可以通过肘部法则，在spss中得到系数之后excel中生成聚合系数折线图，斜率表示畸变程度，当畸变程度趋于稳定时，可以取K

（当选取两个或者三个指标的时候，可以根据分类画一个示意图，但仅限于二维三维）