一、聚类的关键:距离
二、K-means聚类算法
三、聚类的注意事项
聚类好坏的评估方法
1、技术上的方法
通过轮库系数来评估聚类的好坏。
2、业务上的方法
根据业务经验,观察聚类后的群体,找寻群体中的业务含义。
连续型数据标准化
在K-means算法中,我们使用距离衡量样本的远近,因此在距离的计算中,我们应保证每个变量对距离的权重都是一致的。但是当不同数量级的变量放在一起时,数据量较大的变量将会对距离产生更大的影响。因此,我们在进行聚类分析之前,应对数据进行标准化。
数据标准化操作:
xi=xmax−xminxi−xmin
分类型数据标准化