聚类分析（K-means、系统聚类和二阶聚类）的原理、实例及在SPSS中的实现（一）

目录
聚类分析的定义及原理
聚类方法及其在SPSS中的实现
总结及拓展

聚类分析的定义及原理
1.定义
       所谓物以类聚、人以群分。聚类分析，即是基于研究对象的特征，将他们分门别类，以让同类别的个体之间差异相对小、相似度相对大，不同类别之间的个体差异大、相似度小。
       聚类分析是一种探索性分析方法，与判别分析不同，聚类分析事先并不知道分类的标准，甚至不知道应该分成几类，而是会根据样本数据的特征，自动进行分类。
                      
          聚类与分类的不同在于，聚类所要求划分的类是未知的
 
 
 2.原理
        假定研究对象均用所谓的“点”来表示。        在聚类分析中，一般的规则是将“距离”较小的点归为同一类，将“距离”较大的点归为不同的类。 常见的是对个案分类，也可以对变量分类，但对于变量分类此时一般使用相似系数作为“距离”测量指标。
       一般的规则：

聚类方法及其在SPSS中的实现
1.主要的聚类

聚类分析（K-means、系统聚类和二阶聚类）的原理、实例及在SPSS中的实现（一）最先出现在Python成神之路。