均值聚类法优势_SPSS 聚类分析之两阶聚类

定义：顾名思义就是整个聚类过程分为前后两个大的板块来完成。

第一步对所有记录进行距离考察，构建CF分类特征树，同一个树节点内的记录相似度高，相似度差的记录则会生成新的节点。第二步，在分类树的基础上，使用凝聚法对节点进行分类，每一个聚类结果使用BIC或者AIC进行判断，得出最终的聚类结果。

背景：样本数据聚类效果的好与坏，参与聚类的变量在其中的作用至关重要。而现实中，聚类变量可能是连续数据，也可能是类别数据，所以诸如层次聚类和K均值聚类这样的统计方法，它们在类别变量数据面前就显得不足够实用了。

二阶聚类法，则可以完美解决这个问题。它的优势至少表现在以下几个方面：

• 可同时基于类别变量和连续变量进行聚类；
• 可自动确定最终的分类个数；
• 可处理大型数据集；

前提假设：其实稍微违反假设条件其实也不要紧，结果很稳健，其会自动剔除异常值

• 变量间彼此独立
• 分类变量服从多项分布，连续变量服从正态分布

特点：

• 处理对象：分类变量和连续变量
• 自动决定最佳分类数
• 快速处理大数据集

1.问题描述：

汽车生产厂商需要有效的方法评价当前市场情况，了解市场需要，找到受市场欢迎的，有市场竞争力的车型配置。案例将采用种类、价格、引擎型号、马力、轴距、宽度、长度、限重、储油量、用油功效共10个变量对152条有效记录进行自动聚类。

2.假设检验

变量独立性和连续变量服从正态分布检验这里不做赘述

3.SPSS操作

将唯一一个类别型变量“种类”移入分类变量框，并将“价格”、“引擎型号”、“马力”、“用油功效”等9个连续型变量移入连续变量框内

• 【距离测量】：确定计算两个变量之间的相似性，对数相似值系统使用对数似然距离计算