给安利一个朋友开发的自研国产数据分析基础工具，一键自动分析，自动生成分析模板，5分钟覆盖主流的61个统计类数学模型(SPSS大部分功能)，和23个监控机器学习)随机森林，SVM
PS :巨大且容易得到。 现在好像是免费的
官网： www.mpaidata.com mpai数据科学平台
聚类分析是降低指标维度的一种，主要目的是聚类许多指标，而聚类和分类不同。 区别在于，分类已经知道有哪些类别，并对各自的指标或变量进行分类。
聚类是指不知道有什么类别，而是基于一定的规则进行聚类。
例如，q型聚类分析(样本聚类)，在第一次时每个样本(一种样本)之间的距离)可以是绝对距离，也可以是无奈的日记帐距离等。 常用的是yldmf距离) )，将距离最小的两个合并为一类。 这个时候，会少一种。 然后，对新n个类进行新的聚类(对于刚才合并了两个类的类，可以根据最短例示法、最长距离法、重心法、类平均法、方差平方和法等一定的规则进行变换)，重新进行变换
那么，到底要聚集到几种呢？ 因为这个评价标准不同，所以不能说什么种类合适。 但是，每次聚类都有指标，观察该指标，如果该指标突然变化，认为聚类到此为止就可以了。
r型聚类与q型聚类相似。 r型聚类被称为变量聚类，因为是变量，所以一个变量中有很多数据。 此时，可以根据各个变量之间的相关系数(类似于q型聚类的“距离”)来决定。 聚类分析建议使用spss进行，操作比较简单。 也可以直接生成聚类图。 单击上面的“分析”，可以找到通常使用系统群集的“分类”。 而且，的操作和主要成分的那些相同。 但是，必须选择“方法”“绘制”情况(也称为示例)还是变量。 然后结果出来了。 看看结果就好了。
可以在“4”附近进行分类。 橙色线在聚类过程中，聚类指标变化较大，聚类可以在这里结束。 (从画法来看，虽然很直观，但我不推荐)
也可以查看以下群集表： 在系数列中，与二阶和三阶相对应的系数变化比其他系数变化明显，所以可以认为聚类在此结束。 但是，这样聚类就不顺利了。 再往下看，寻找适当的阶数，判断聚类何时结束是合适的。 (我这里的数据是我随机生成的，聚类不顺利。 一般的数据聚类效果更好。 )具体分为几类，需要综合考虑主题背景和要求，以及聚类结果“系数”等
聚类表
楼梯
群集组合
系数
第一次出现层次集群
下一层
聚类1
聚类2
聚类1
聚类2
1
1
2
123.984
0
0
2
2
1
11
127.201
m;">10
3
3
1
15
137.055
2
0
9
4
3
9
140.043
0
0
6
5
10
13
140.314
0
0
10
6
3
14
140.833
4
0
8
7
4
5
141.046
0
0
16
8
3
17
141.053
6
0
10
9
1
16
141.915
3
0
14
10
3
10
142.562
8
5
11
11
3
18
142.780
10
0
12
12
3
6
143.108
11
0
13
13
3
12
143.122
12
0
14
14
1
3
143.346
9
13
15
15
1
8
143.611
14
0
16
16
1
4
144.167
15
7
17
17
1
7
147.010
16
0
0