这篇博客介绍了多元正态分布和聚类分析的基本思想、类型、相似性度量和方法。对于聚类分析，它强调了相似性、分类数的确定原则，并详细讨论了系统聚类法、模糊聚类、k均值聚类和有序样品聚类。博客提供了多个相关链接以深入学习。
目录
多元正态分布
鉴于自己数理基础弱，这部分不做整理了，放一些看了有收获的相关文章，以便参考。
《多元正态分布》：https://blog.csdn.net/omade/article/details/28232047
提出了多维随机变量；多元中，均值用均值向量代替，方差用协方差矩阵代替。给出了多元正态分布表达式，推导了二维。
聚类分析
1. 基本思想
通过相似程度（距离远近、相关关系），选取度量样本或指标相似程度的统计量，对对象分类，使同类中对象的相似性＞与其他类的对象的相似性。目的是，使类内对象同质性最大，使类间对象异质性最大。
基本思路是，选择研究的变量（指标），如有必要则做数据标准化，求相似性，选择聚类方法和类数，对聚类结果解释并评价（评价方法：[1]R^2、伪F值; [2]每次分类的结果做方差分析，研究各类的均值是否有显著差异；多元方差分析/多元均值检验; [3]反复聚类，比较结果，分析可靠性、稳定性。）
注：聚类是不需要提前确定各类标准的，它是根据对象的相似性而分出的类。其实在生活中很常见，比如我们会比较他人和自己的处境相似程度以决定如何行动最有效，远古人类没有经验却能区分动植物大致种类，未受艺术教育的观众也可以将抽象派和写实派的画作聚类。
相关链接（均属于拓展内容），按照知识复杂程度（个人划分的），由浅到深排列。
《聚类方法(Clustering)》：https://wenku.baidu.com/view/0307c12d4b35eefdc8d333db.html
讲座报告。聚类分析的目的是，寻找潜在的“自然”分组结构、感兴趣的关系。介绍了一些聚类算法及数据挖掘方面的聚类。
《聚类分析的思路和方法》：https://wenku.baidu.com/view/1b74ff5184868762caaed5e2.html
与《多元统计分析》（何晓群）的逻辑基本一致。指出了聚类过程是形成一个由小到大的分类系统；聚类的应用如识别用户群体，如根据顾客的购买频率、时间、年龄、性别、消费额等聚类，识别最有消费潜力的用户的特征并投放对应的广告。
《聚类分析》：https://wenku.baidu.com/view/564a70c064ce0508763231126edb6f1aff0071fb.html
部分内容与《实用多元统计分析》一致。
《聚类分析在用户分类中的应用》：https://blog.csdn.net/howardge/article/details/38538003
《arcgis 地图聚类工具》：https://blog.csdn.net/niusi1288/article/details/74356846
《聚类（clustering）与分类（Classification）的区别》：
最低0.47元/天 解锁文章
1998
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
