聚类分析Leo2019/07/301. 简单介绍2. 应用实例3. 操作流程4. 结果探讨CONTENTS简单介绍概念及特点4将研究对象分为相对同质的群组(clusters) 的统计分析技术。具有如下特点：1. 区别于分类分析，所要求划分的类是未知的，属于探索性分析；2. 聚类分析将数据分类到不同的类或者簇（ c ），同一个簇中的对象有很大的相似性，不同簇间的对象有很大的相异性；3. k均值聚类算法（k-means clustering algorithm ）是最常见的聚类分析算法，步骤是随机选取K 个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。通过多次计算，使误差平方和达到最小，则为最终结果。注意事项5聚类分析过程中，主要注意以下两点：1. 聚类变量的测量尺度不同，需要事先对变量标准化；2. 一般聚类个数在4 6 类，不宜太多，或太少。变量标准化 通过将变量数据转换为Z 分数实现。z分数（z-score ），也叫标准分数（standard score ），是一个数与平均数的差再
