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。
![fbf0afaeb85d9d15a71cda53781eee0f.png](https://i-blog.csdnimg.cn/blog_migrate/d8d5d32f924c60bc0d2d497b341c9c00.jpeg)
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
![36262db1ca251db23ec389dfb6c03b12.png](https://i-blog.csdnimg.cn/blog_migrate/0d490cae638ea7d01f552fdc8135a413.jpeg)
- 【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