学习目标
1掌握聚类分析的主要目标。
2.理解层次聚类分析的基本原理，熟练掌握具体操作并能够对分析结果进行解释。
3.理解K-Means聚类分析的基本原理，熟练掌握具体操作并能够对分析结果进行解释。
4.能够灵活运用聚类分析方法进行实际数据分析。
01
聚类分析
聚类分析是一种建立分类的多元统计分析方法，它能够将一批观测（或变量)数据根据其诸多特征，按照在性质上的亲疏程度在没有先验知识的情况下进行自动分类，产生多个分类结果。类内部个体特征具有相似性，不同类间个体特征的差异性较大。
聚类分析是统计学中研究“物以类聚”问题的多元统计分析方法。聚类分析在统计分析的各应用领域得到了广泛的应用。“物以类聚”问题在经济社会研究中十分常见。层次聚类
层次聚类又称系统聚类，简单讲，是指聚类过程是按照一定层次进行的。层次聚类有两种类型，分别是Q型聚类和R型聚类;层次聚类的聚类方式又分两种，分别是凝聚方式聚类和分解方式聚类。打开商厦评分.sav文件,选择【分析】→【分类】→【系统聚类】
K-Means聚类
K-Means聚类也称快速聚类，它仍将数据看成p维空间上的点，以距离作为测度个体“亲疏程度”的指标，并以牺牲多个解为代价换得高执行效率。
在进行K-means聚类分析时，我们需要预先指定簇的数量K，并选择合适的距离度量方法和初始质心的选择方式。然后，我们可以使用K-means算法将数据点分配到K个不同的簇中，并计算每个簇的质心。最后，我们可以对聚类结果进行可视化、统计分析等进一步处理。K-means聚类分析的优点是简单、易于理解和实现，并且对于大规模数据集也有较好的可扩展性。但是，它的缺点是需要预先指定簇的数量K、对初始质心的选择敏感、收敛到局部最优解等。因此，在实际应用中，人们通常会使用一些扩展的K-means算法，如基于密度的DBSCAN聚类算法、层次聚类算法等。
打开小康指数.sav，选择【分析】→【分类】→【K均值聚类】