版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领
文档简介
聚类分析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：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2004年全国37大城市国民经济和社会发展统计公报的相关数据分别从国内生产总值(GDP)、居民家庭人均可、支配收入、房价收入比、人均GDP这四个维度对全国37大城市的房价问题进行聚类分析房价收入比
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->消费群体聚类分析在银行客户细分领域中的应用：所用变量：序号变量1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8一段时间内交易后余额特征向量客户年龄发卡日期支付宝交易金额贷款数量一段时间内的交易次数一段时间内交易最大金额一段时间内平均交易金额一段时间内交易后余额第一类3819976012315030209490821149968808第二类3919974799174201245464551025964485第三类42199741518244926639141906463558结果：前景与优缺点高维聚类分析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难点。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，如各种类型的贸易交易数据、Web文档、基因表达数据等，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“维度效应”的影响，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，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。
聚类分析本身也存在着一些不足，比如快速聚类虽然速度快，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
温馨提示
- 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
评论
0/150
提交评论