SPSS聚类分析在商业分析和学术研究领域使用还是比较普遍的,目前提供三种聚类的方法,分别是K均值聚类,系统聚类(或叫做谱系聚类层次聚类)以及二步聚类。具体菜单见下图:
K均值聚类过程
1、首先我们选择一些要使用的类/组,并随机初始化他们各自的中心点(质心)。要计算出簇(类)的使用数量,最好的方法是快速查看一下数据并尝试鉴别有多少不同的分组。中心点是一个矢量,它到每个数据点的矢量长度相同,在上图中用“X”来表示。2、每个数据点通过计算该点与每个簇中心之间的距离来进行分类,根据最小距离,将该点分类到对应中心点的簇中。3、根据这些已分类的点,我们重新计算簇中所有向量的均值,来确定新的中心点。4、重复以上步骤来进行一定数量的迭代,或者直到簇中心点在迭代之间变化不大。你也可以选择多次随机初始化簇中心点,然后选择看起来像是最佳结果的数据
层次聚类算法_K均值聚类和层次聚类:聚类过程及动图展示
最新推荐文章于 2024-08-27 22:15:09 发布
这篇博客通过3D散点图动态展示了K均值聚类的效果,并深入探讨了如何理解和解读SPSS聚类分析中的树状图和谱系图。同时,文中通过SPSS案例,详细介绍了TwoStep二阶聚类、系统聚类和K-means聚类的实操过程。
摘要由CSDN通过智能技术生成