学习笔记（10):实用数据分析：数据分析师从小白到精通-聚类分析的方法、步骤及应用案例

立即学习:https://edu.csdn.net/course/play/27362/368000?utm_source=blogtoedu

在已知结果类别的时候使用分类分析方法。

当未知结果类别，我们可以去根据对象的属性聚类推测可能的结果类别

K-means

以最小误差函数的值为最小为目标，按照预先设定的划分类别数量，采用距离作为相似性的评价指标，认为两个对象距离越近，相似度越大。

计算步骤：

1从样本选取k个对象为样本中心

2分别计算样本到聚类中心的距离，进行分配

3所有对象分配好，计算误差平方和SSE

4重新选择样本中心，计算新的误差平方和sse

5与上次作比较找到误差平方和较小得分类结果

6当聚类中心不发生变化，停止并输出聚类结果

SSE计算方法：

距离计算方法：物理距离：欧几里得距离

曼哈顿距离：所有坐标差得绝对值和

聚类质量评估方法：

误差平方和SSE作为度量聚类质量得目标函数。

每个点到聚类中心的距离的平方和

聚类不是目标，只是处理

之后对聚类结果进行处理

:1各分群的特点？

:2对不同分区可采用的处理措施？

 

k-中心点

 

多层次聚类

 

 

 

已知类别选择分类：

未知类别选择聚类：