聚类分析

根据邵俊明老师的课件整理而成

---

聚类分析(Cluster Analysis)

• 聚类：

  将数据分为多个簇(Clusters)，使得在同一个簇内对象之间具有较高的相似度，而不同簇之间的对象差别较大

• 探索数据内部潜在的自然分组结构

• 无监督学习（无类别信号）

聚类分析的作用

• 聚类分析是获得数据内部结构的有效方法
  
  • 通过观察聚类得到的每个簇的特点，可以集中对特定的某些簇作进一步分析
  • 这在诸如市场细分、目标顾客定位、业绩估评、生物种群划分、城市规划等方面具有广阔的应用前景
• 聚类分析可以作为其它算法的预处理步骤
  
  • 利用聚类进行数据预处理，可以获得数据的基本概况
  • 在此基础上进行特征抽取或分类就可以提高精确度和挖掘效率
  • 也可将聚类结果用于进一步关联分析，以获得进一步的有用信息
• 聚类分析可以完成噪声点/孤立点的挖掘
  
  • 许多数据挖掘算法试图使孤立点影响最小化，或者排除它们
  • 孤立点本身可能是非常有用的。如在欺诈探测中，孤立点可能预示着欺诈行为的存在
  • 许多聚类分析算法都具有噪声点检测的功能

聚类分析的目的

寻找数据中潜在的自然分组结构 (a structure of “natural” grouping)

• 聚类分析努力使得数据簇满足下面两个条件
  
  • 一个簇内的数据尽量相似（high intra-class similarity）
  • 不同簇的数据尽量不相似（low inter-class similarity）

聚类算法

按照聚类的基本思想可主要分为4种方法

划分方法 (partitioning method)

• 给定一个有n个对象的数据集，它将数据划分为k个簇&