聚类相关知识简介

聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。聚类主要有层次聚类和非层次聚类两种方法。前者包括合并法、分解法、树状图；而后者主要包括划分聚类、谱聚类。下面重点介绍一下非层次聚类算法中的K-means算法。其执行过程包括初始化和循环：初始化是指选择（或人为指定）某些记录作为凝聚点；而循环步骤主要有：（1）按就近原则将其余记录向凝聚点凝集。（2）计算出各个初始分类的中心位置。（3）用计算出的中心位置重新进行聚类。（4）如此反复循环，直到凝聚点位置收敛为止。这种算法主要特点是：通常要求已知类别数；可人为指定初始位置；节省运算时间；样本量大于100时有必要考虑以及只能使用连续性变量。