作者:禅与计算机程序设计艺术
1.简介
聚类分析(Cluster Analysis),也称为簇分析、分群分析,它是一种通过对数据的集中特征进行系统性地分析和组织,从而发现数据中的隐藏模式并将不同组别的数据划分到不同的子集中,帮助用户识别出数据内在的规律或结构,有利于提高数据的理解、分析、预测、控制、管理、运营等。
聚类分析的目的是将相似的对象归为一类(簇),使得同一类的对象具有共同的某种特点,这样可以更方便地对相似对象进行分类、分析和处理。聚类分析是一个极具互动性的过程,需要不断迭代优化,才能达到最优的结果。因此,如何有效地利用聚类分析的方法来解决实际的问题,是聚类分析领域研究的一个重要方向。
聚类分析方法可以分为基于距离的方法、基于密度的方法、基于模型的方法和基于图论的方法。本文主要介绍聚类分析的基于距离的方法,因为这是一种简单、直观、有效的聚类分析方法。该方法适用于大型数据集、高维空间的数据,并且可以快速找到合适的聚类数量。另外,由于这种方法不需要指定先验知识,因此很容易实施和部署。
2.基本概念及术语说明
2.1 样本集(Sample set)
聚类分析的输入一般是一个样本集S={x1, x2,..., xn},其中xi=(x1i, x2i,..., xmi),表示一个样本向量。xi的元素对应于变量的各个取值。xi的第j个分量表示第j个属性的值。如果 xi 是连续变量,那么 xi 可以用一个长度 m 的向量表示;如果 xi 是离散变量,那么 xi 可以用一个大小为 m 的有限集合表示。