聚类分析（一）

【关键词】聚类分析，划分方法，层次方法

聚类分析简称聚类，是把一个数据对象划分为子集的过程。每一个子集是一个簇，使得簇中的对象彼此相似，但与其他簇中的对象不相似。由聚类分析产生的簇的集合称为聚类。聚类分析已经有很广泛的应用，包括商务智能领域、图像识别领域、Web搜索，生物学和安全。例如，在商务智能上，聚类可以用来把大量客户进行分组，其中组内客户的特征相似度高。这有利于开发和管理客户。

聚类分析作为数据挖掘的一项功能，也可以作为一个独立的工具，用来知晓数据的分布，观测每个簇的特征，将进一步分析集中在特定的簇集合上。另外，聚类分析也可以作为其他算法的预处理步骤。作为统计学的一个分支，聚类分析已经被研究许多年，主要集中在基于距离聚类分析。而基于k-均值，k-中心点和其他一些方法的聚类分析已经被加入到许多统计软件中，例如,以及中，使得聚类在无监督中可以高效率。

通常聚类分析算法基本步骤：

特征获取与选择。

为了能够获得能够表示对象的数据，并且减少数据冗余度；

计算相似度。

距离函数是用来计算相似度的函数，此处的距离并非单纯的在R空间中的距离，还包括形态、时间、语态、密度、状态等产生的距离。

分组。将对象按照相似度进行分组，将相似的分到同组，不相似的分到不同组；

步骤展开待续……