r型聚类典型指标_⑨ R 语言之高级数据分析「聚类分析」

这一节主要总结数据分析中聚类分析的思想。聚类分析仅根据在数据中发现的描述对象及其关系的信息，将数据对象分组。其目标是，组内的对象相互之间是相似的(相关的)，而不同组中的对象是不同的(不相关的)。组内相似性(同质)越大，组间差别越大，说明聚类就越好。

这一解释来自于《数据挖掘导论》，已经是大白话，很好理解了。

举个栗子：把生物按照界(Kingdom)、门(Phylum)、纲(Class)、目(Order)、科(Family)、属(Genus)、种(Species)分类。

0. 聚类分析的一般步骤

0.1. 步骤选择适合的变量，选择可能对识别和理解数据中不同观测值分组有重要影响的变量。(这一步很重要，高级的聚类方法也不能弥补聚类变量选不好的问题)

缩放数据，一般将数据标准化处理即可，用于避免各种数据由于量纲大小不同所带来的不同

寻找异常点，异常点对聚类分析的结果影响很大，因此要筛选并删除

计算距离，后面再细讲，这个距离用于判别相关关系的大小，进而影响聚类分析的结果

选择聚类算法，层次聚类更适用于小样本，划分聚类更适用于较大数据量。还有许多其他的优秀算法，根据实际选择合适的。

得到结果，一是获得一种或多种聚类方法的结果，二是确定最终需要的类数，三是提出子群，得到最终的聚类方案

可视化和解读，用于展示方案的意义

验证结果

0.2. 计算距离

计算距离，是指运用一种合适的距离计算方式，来计算出不同观测之间的距离，这个距离用于度量观测之间的相似性或相异性。

可选的方式有欧几里得