聚类是一种寻找数据之间的内在结构的技术。 集群将整个数据实例组织成若干相似组，这些相似组称为集群。 位于同一个集群上的数据实例彼此相同，而位于不同集群上的实例彼此不同。
定义聚类分析
聚类分析是指根据描述在数据中发现的对象及其关系的信息对数据对象进行分组。 目的是使组中的对象彼此相似(相关联)，但不同组中的对象不同(不相关联)。 组内相似性越大，表明组间差异越大，聚类效果越好。
聚类效果的好坏取决于两个因素：1.测量距离的方法(离散度量)2.聚类算法(algorithm )
聚类分析的一般算法
K-Means
k均值聚类又称快速聚类法，是在最小化误差函数的基础上将数据划分为预定类别数k。 该算法原理简单，易于处理大量数据。
K-中心点
k均值算法对孤立点的敏感性。 k-中心点算法不以集群内对象的平均值为集群中心，而是以最接近集群内平均值的对象为集群中心。
系统聚类
也称为层次聚类，分类单位从高到低呈树形结构，位置越低，包含的对象越少，但这些对象之间有很多共同的特征。 这种聚类方法仅适合于数据量小的情况，而在数据量大的情况下变得非常慢。
外壳
有20种12盎司啤酒成分和价格数据，变量包括啤酒名称、卡路里、钠含量、酒精含量、价格。
http://www.Sina.com/http://www.Sina.com /
目前有四个变量用于对啤酒进行分类，是否必须将所有四个变量都作为分类变量包括在内？ 热量、钠含量、酒精含量三个指标是根据检查员的辛苦来衡量的，成本很高。
因此，需要对四个变量进行降维处理，这里使用spss R型聚类(变量聚类)，对四个变量进行降维处理。 输出“相似性矩阵”有助于理解降维的过程。
4个分类变量各不相同，但这次首先用相似性进行测度。 量表选择人员系数，聚类方法选择最远的因素。 此时，可以不标准化地处理4个变量，并且将来的相似性矩阵中的数字是相关系数。 如果某两个变量的相关系数接近1或-1，则表示这两个变量可以相互替代。
只输出“树状图”即可，由proximity matrix表可知，卡路里和酒精含量两个变量的相关系数为0.903，最多选择两个即可，无需作为集群变量，成本增加
至于选择热量还是酒精含量作为典型指标来代替原来的两个变量，可以根据专业知识和测量的难易程度来决定。 (与因子分析不同，其目的是完全淘汰其中一个变量降低维度。 在此选择酒精含量，决定到目前为止聚类中使用的变量为酒精含量、钠含量、价格。
3358 www.Sina.com/http://www.Sina.com/http://www.Sina.com/http://www.Sina.com /
现在开始20中啤酒的聚类。 一开始不知道应该分为几类，暂时在3-5种范围内尝试一下吧。 q型群集要求维相同，因此需要对数据进行标准化。 这次是按欧式距离的平方进行
测度。
主要通过树状图和冰柱图来理解类别。最终是分为4类还是3类，这是个复杂的过程，需要专业知识和最初的目的来识别。
这里试着确定分为4类。选择“保存”，则在数据区域内会自动生成聚类结果。
问题三：用于聚类的变量对聚类过程、结果又贡献么，有用么？——采用“单因素方差分析”
聚类分析除了对类别的确定需讨论外，还有一个比较关键的问题就是分类变量到底对聚类有没有作用有没有贡献，如果有个别变量对分类没有作用的话，应该剔除。
这个过程一般用单因素方差分析来判断。注意此时，因子变量选择聚为4类的结果，而将三个聚类变量作为因变量处理。方差分析结果显示，三个聚类变量sig值均极显著，我们用于分类的3个变量对分类有作用，可以使用，作为聚类变量是比较合理的。
问题四：聚类结果的解释？——采用”均值比较描述统计“
聚类分析最后一步，也是最为困难的就是对分出的各类进行定义解释，描述各类的特征，即各类别特征描述。这需要专业知识作为基础并结合分析目的才能得出。
我们可以采用spss的means均值比较过程，或者excel的透视表功能对各类的各个指标进行描述。其中，report报表用于描述聚类结果。对各类指标的比较来初步定义类别，主要根据专业知识来判定。这里到此为止。
以上过程涉及到spss层次聚类中的Q型聚类和R型聚类，单因素方差分析，means过程等，是一个很不错的多种分析方法联合使用的案例。
聚类分析的应用
商业上
聚类分析是细分市场的有效工具，被用来发现不同的客户群，并且它通过对不同的客户群的特征的刻画，被用于研究消费者行为，寻找新的潜在市场。
生物上
聚类分析被用来对动植物和基因进行分类，以获取对种群固有结构的认识。
保险行业上
聚类分析可以通过平均消费来鉴定汽车保险单持有者的分组，同时可以根据住宅类型、价值、地理位置来鉴定城市的房产分组。
互联网应用上
聚类分析被用来在网上进行文档归类。
电子商务上
聚类分析通过分组聚类出具有相似浏览行为的客户，并分析客户的共同特征，从而帮助电子商务企业了解自己的客户，向客户提供更合适的服务。