在之前，我們已經學過了四大類聚類分析及其典型演算法。本文，我們將使用劃分方法中的k-均值演算法和層次聚類方法以乙個例項進行完整的聚類分析演示。
例題：為研究我國31個省、市、自治區2023年的城鎮居民生活消費的規律，根據調查資料作區域消費型別劃分。原始資料表1所示：
問題：
針對上述問題，採用k-means對其進行聚類（討論k取何值才是最優）；
採用層次聚類（討論採用歐式距離，分別用最短距離法、最長距離法、類平均法、中間距離法、重心法和ward法得出的聚類圖，哪個是最優的）。
請閱讀我的推文
源程式及資料已經上傳github
資料探勘之聚類分析學習筆記 2
聚類分析中的資料型別 假設要聚類的資料集合包含 n 個資料物件，許多基於記憶體的聚類演算法選擇如下兩種有代表性的資料結構 資料矩陣 data matrix 或稱為物件屬性結構 它用 p 個變數 也稱為屬性 來表現 n 個物件，例如用年齡，身高，性別，種族等屬性來表現物件 人 這種資料結構是關係表的形...
資料探勘演算法之聚類分析（二）canopy演算法
canopy是聚類演算法的一種實現 它是一種快速，簡單，但是不太準確的聚類演算法 canopy通過兩個人為確定的閾值t1，t2來對資料進行計算，可以達到將一堆混亂的資料分類成有一定規則的n個資料堆 由於canopy演算法本身的目的只是將混亂的資料劃分成大概的幾個類別，所以它是不太準確的 但是通過ca...
聚類分析（一） 什麼是聚類分析
將一群物理物件或者抽象物件的劃分成相似的物件類的過程。其中類簇是資料物件的集合，在類簇中所有的物件都彼此相似，而類簇與類簇之間的物件是彼此相異。聚類除了可以用於資料分割 data segmentation 也可以用於離群點檢測 outlier detection 所謂的離群點指的是與 普通 點相對應...