作者:任儒峰 封面:吉江
前面我们团队分别讲了k-means均值聚类、系统聚类和二阶聚的理论和各类方法的SPSS实操,今天我们一起来回顾和总结三种聚类,分析它们的异同,分析它们的优劣以及告诉大家如何选择。
1.回顾总结
(1)K-means均值聚类,采用欧式距离做为相似度指标,将相似度高的数据对象划分为一类,通过反复迭代计算新质心,并且样本观测所属的类会不断的调整,使得新质心与所有数据对象的平方误差总和最小的一种迭代型快速聚类算法,变量类型为连续型变量,需要主动设定分类数。
优势:可快速处理大数据,简单快速,可设定初始质心。
劣势:为当数据量大或复杂时,给K值的设定增大了难度;初始质心的划分对聚类结果有较大的影响;该算法对于离群点,异常点是敏感的;由于K-means聚类算法是跟据欧式距离来划分,所以只能发现球状簇。
(2)系统聚类,又称层次聚类和谱系分析,通过度量数据之间的距离远近,将数据分类,变量类型含有连续变量和分类变量,可以像k-means算法一般,指定类别个数或限定类别个数范围。
优势:可以对个案聚类或者对