聚类分析的现状与前景研究

1、聚类分析聚类分析简要介绍简要介绍 聚类分析是研究如何将样品或变量进行分类的一种方法（将一些观察对象依据某些微量特征加以归类）。主要应用于探索性的研究，其分析的结果可以提供多个可能的解，选择最终的解需要研究者的主观判断和后续的分析。分类：分类：系统聚类：用于对小样本的样品间聚类以及对变量聚类。动态聚类：适用于样本量较大时样品间的聚类，常用k-means法处理。有序样品聚类：对有排列次序的样本的样品间聚类，要求必须是次序相邻的样品才能聚成一类。房价问题房价问题2004年全国年全国37大城市国民经大城市国民经济和社会发展统计公报的相济和社会发展统计公报的相关数据关数据分别从分别从国内生产总值国内生产

2、总值(GDP)、居民家庭人均可居民家庭人均可、支配收支配收入入、房价收入比房价收入比、人均人均GDP这四个维度对全国这四个维度对全国37大城市的房价问题进行大城市的房价问题进行聚类分析聚类分析房价收入比房价收入比 房价收入比：是指居住单元的中等自由市场价格与中等家庭年收入之比。 例如一套售价为49万元的房子对于一个年收入7万元的家庭，其比值便为7:1消费群体消费群体聚类分析在银行客户细分领域中的聚类分析在银行客户细分领域中的应用应用：所用变量：序号序号变量变量1客户年龄客户年龄2发卡日期3支付宝交易金额4贷款数量5一段时间内的交易次数6一段时间内交易最大金额7一段时间内平均交易金额8一段时间内

3、交易后余额特 征特 征向量向量客 户客 户年龄年龄发 卡发 卡日期日期支 付支 付宝 交宝 交易 金易 金额额贷 款贷 款数量数量一 段一 段时 间时 间内 的内 的交 易交 易次数次数一 段一 段时 间时 间内 交内 交易 最易 最大 金大 金额额一 段一 段时 间时 间内 平内 平均 交均 交易 金易 金额额一 段一 段时 间时 间内 交内 交易 后易 后余额余额第 一第 一类类381997601231503020949082 11499 68808第 二第 二类类391997479917420124546455 10259 64485第 三第 三类类421997415182449 266

4、39141 906463558结果：前景前景与优缺点与优缺点 高维聚类分析高维聚类分析已成为聚类分析的一个重要研已成为聚类分析的一个重要研究方向。同时高维数据聚类也是聚类技术的究方向。同时高维数据聚类也是聚类技术的难点难点。随着技术的进步使得数据收集变得越来越容易，随着技术的进步使得数据收集变得越来越容易，导致数据库规模越来越大、复杂性越来越高，如导致数据库规模越来越大、复杂性越来越高，如各种类型的贸易交易数据、各种类型的贸易交易数据、Web 文档、基因表达文档、基因表达数据等，它们的维度（属性）通常可以达到成百数据等，它们的维度（属性）通常可以达到成百上千维，甚至更高。但是，受上千维，甚至更

5、高。但是，受“维度效应维度效应”的影的影响，许多在低维数据空间表现良好的聚类方法运响，许多在低维数据空间表现良好的聚类方法运用在高维空间上往往无法获得好的聚类效果。高用在高维空间上往往无法获得好的聚类效果。高维数据聚类分析是聚类分析中一个非常活跃的领维数据聚类分析是聚类分析中一个非常活跃的领域，同时它也是一个具有挑战性的工作。目前，域，同时它也是一个具有挑战性的工作。目前，高维数据聚类分析在市场分析、信息安全、金融、高维数据聚类分析在市场分析、信息安全、金融、娱乐、反恐等方面都有很广泛的应用。娱乐、反恐等方面都有很广泛的应用。 聚类分析本身也存在着一些不足，比如快聚类分析本身也存在着一些不足，

6、比如快速聚类虽然速度快，但是其分类指标要求是定距速聚类虽然速度快，但是其分类指标要求是定距变量，而实际研究中，有很多的定类变量，如性变量，而实际研究中，有很多的定类变量，如性别、学历、职业、重复购买的可能性等多个与研别、学历、职业、重复购买的可能性等多个与研究目的紧密相关的指标无法直接参与运算，而大究目的紧密相关的指标无法直接参与运算，而大大限制了它的使用范围。聚类分析通常不能单独大限制了它的使用范围。聚类分析通常不能单独的应用解决一些问题，需要和其他方法一起结合的应用解决一些问题，需要和其他方法一起结合使用才能使分析更全面、科学。并且在聚类分析使用才能使分析更全面、科学。并且在聚类分析过程中，针对具体情况分为几类比较合适，有的过程中，针对具体情况分为几类比较合适，有的软件没有提供具体的操作，有时需要验证。例如软件没有提供具体的操作，有时需要验证。例如用相关系数法进行聚类分析和指数法的时候存在用相关系数法进行聚类分析和指数法的时候存在加权问题。聚类分析的准确性还不算是很