聚类模型（清风数模笔记）

1.聚类是什么，与分类有何不同

聚类是将样本划分为多个类的过程，与分类不同，聚类是不清楚要分成哪几类的。

2.K-means聚类算法

步骤

1.确定需要聚几个类（簇），确定k的值。根据样本指标的不同决定是否要标准化数据。（无论哪个聚类都需要检查是否需要标准化）

2.随机选择k个数据对象作为聚类中心（不一定是样本点）

3.计算各样本点到各聚类中心的距离，并把他们划分到距离最近的聚类中心所属的那一类

4.聚类中心改变，成为新的类

重复3.4两个步骤，直到完成规定的迭代次数或者中心不再改变（收敛）为止

缺点：

1.k需要自定

2.易受初始选择的聚类中心影响，更换初始的聚类中心对结果影响大

3.易受特殊值点的影响，如果样本点有特殊值，对聚类中心影响大

改进：

K-means++算法

原则：

初始的聚类中心相隔尽可能远

步骤

1.随机选取一个样本作为聚类中心

2.计算每个样本点与距离其最近的那个聚类中心的距离，这个距离越大，它被选为新聚类中心的概率越大，然后根据概率用轮盘法抽取下一个样本点做聚类中心

3.重复上一步骤，直到选出k个聚类中心。选出了初始点就可以使用传统的K-means算法了

建模操作在SPSS的分析-分类-K均值聚类

聚类的k完全靠个人试，多少好建模好说明用哪个

对于样本的各项指标量纲不同可以进行标准化

3.系统聚类算法

思