两步聚类(Two Step)
同时处理类别变量、连续变量
自动确定最终的分类个数,具备自动探索未知领域的能力
占用内存资源小,适合处理大型数据集,速度快
同其他统计方法一样,二阶聚类也有严苛的适用条件,它要求模型中的变量独立,类别变量是多项式分布,连续变量须是正态分布。
步骤:1.预聚类,即对案例进行初步归类,也允许最大类别数由使用者决定;2.正式聚类,将步骤1的出局类别在进行聚类,并确定最终的聚类方案,并会根据一定的统计标准确定聚类的类别数量。
层次聚类
可以对变量或案例进行聚类,变量可以为连续或分类变量,提供的距离测量方法和结果表示方法也非常丰富。
K-Means聚类
人为确认聚类个数。
要求事先知道需要将样品分为多少类;只能对案例进行聚类而不能对变量聚类;所使用的变量必须是连续性变量,且对变量的多元正态性、方差齐性等条件要求较高