聚类分析—大数据时代数据挖掘的关键突破口

一、什么是聚类分析？

聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程，其目的是在相似的基础上收集数据来分类。

聚类类似于分类，但与分类的目的不同，是针对数据的相似性和差异性将一组数据分为几个类别。属于同一类别的数据间的相似性很大，但不同类别之间数据的相似性很小，跨类的数据关联性很低。聚类与分类的不同还在于，聚类所要求划分的类是未知的。

二、聚类分析的重要性

“物以类聚，人以群分”，这是人类几千年来认识世界和社会的基本能力，是从大数据中发现价值必须面对的一个普遍性、基础性问题，是认知科学作为“学科的学科”要解决的首要问题。无论是政治、经济、文学、历史、社会、文化、还是数理、化工、医农、交通、地理、各行各业的大数据或宏观或微观的任何价值发现，无不借助于大数据聚类分析的结果，因此，数据分析和挖掘的首要问题是聚类，这种聚类是跨学科、跨领域、跨媒体的。大数据聚类是数据密集型科学的基础性、普遍性问题。

可以毫不夸张的讲，如果聚类算法都搞不明白，或者说没有“落地”的“实例”，那说在搞数据挖掘就纯粹是忽悠了。

人类的认知科学要想有所突破，首先就要在大数据聚类上去的突破，聚类是挖掘大数据资产价值的第一步。

三、聚类算法的种类

作为数据挖掘中很活跃的一个研究领域，聚类分析有多种算法。

基于划分聚类算法：

基于层次聚类算法：

基于密度聚类算法：

基于网格的聚类算法：

基于神经网络的聚类算法：

基于统计学的聚类算法：

聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。

四、聚类分析的应用

商业

聚类分析被用来发现不同的客户群，并且通过购买模式刻画不同的客户群的特征。聚类分析是细分市场的有效工具，同时也可用于研究消费者行为，寻找新的潜在市场、选择实验的市场，并作为多元分析的预处理。

电子商务

聚类分析在电子商务中网站建设数据挖掘中也是很重要的一个方面，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，可以更好的帮助电子商务的用户了解自己的客户，向客户提供更合适的服务。

大数据作为网络时代的一种客观存在，是网络时代人类社会的重要资产，数据数量巨大等给人们的认知造成了很大的困扰，尽管目前对于大数据的认知存在挑战，但聚类将会成为大数据认知的突破口，这是一个发展趋向。

来源：数据观综合