MS聚类分析算法

MS聚类分析算法

1. 它是一种“分段”或“聚类”算法，以将示例分组到包含相似特征的分类中。

2. 它首先标识数据集中的关系，并根据这些关系来生成一系列分类，可以设置MiniMum_Support（分类的最小支持量）和Cluster_Count（大致分类数）来限制分类的数量

3. 它有两种分类算法，通过clustering_method属性来设置
   3.1. K-means算法，每个数据点只属于一个分类
   3.2. EM算法（默认），每个数据点属于多个分类

4. 决策树与聚类算法的区别
   4.1. 决策树：是以目标为导向，分析各属性及其值对目标的影响度来逐步生成决策树的，它最重要的作用是获取输入对输出的想象力的排序。
   4.2. 聚类：是根据各属性间的关系来对数据进行分类，它最重要的作用是获取各个群体的共有属性

5. 决策树模型所需数据
   5.1. 单键列：数据的主键，不允许复合键
   5.2. 输入列：要输入到算法里的数据列，可为离散或连续类型
   5.3. 可预测列：输出，要预测的结果（方向）

6. 建立聚类算法挖掘结构
   6.1. 参照决策树算法挖掘结构的建立，除了算法不一样，其它的在向导中都一样
   6.2. 打开“挖掘模型”-》右键“MicroSoft_Clustering”算法-》设置算法参数-》将“Clustering_Count”设置为8，意思是大致分成8个分类

7. 查看——挖掘模型查看器
   7.1. 分类关系图：可以看到算法计算出的分类，和分类间的关