K 均值聚类

使用距离对观测分组

使用“K 均值聚类”平台可将在几个变量上享有相似值的观测分组在一起。K-均值法适用于包含大约 200 到 100,000 个观测的大型数据表。

“K 均值聚类”平台使用迭代算法对观测进行划分来构造指定数量的聚类。该方法称为 K-均值，它将观测划分聚类以便最小化到聚类重心的距离。您必须提前指定聚类数 k。不过，您可以比较不同 k 值的结果以选择适合您的数据的最优聚类数。

图 14.1 三维双标图 

目录

“K 均值聚类”平台概述

对观测聚类的平台概述

“K 均值聚类”的示例

启动“K 均值聚类”平台

“迭代聚类”报表

“迭代聚类”选项

K Means Report 345

“聚类比较”报表

K Means NCluster Reports 346

自组织图

“自组织图”控制面板

“自组织图”报表

SOM 算法的说明

“K 均值聚类”的更多示例