数据挖掘算法--聚类分析

1. 聚类分析的提出

物以类聚，人以群分！志同而道合，即具有相同特点的物体（或人类）往往更容易走近，从而形成自己的一个“圈子”。

在现代零售行业，顾客群细分是最为常见的一种业务需求，一般情况下，会从客户性别、年龄、职业、消费金额等一个变量进行分组，或者几个简单变量交叉分组。但这种传统的客户细分模式往往会体现以下弊端：

1）客户细分之前，需要人为指定分类变量，需要用几个变量、什么变量往往受人为因素影响较大。

2）人为制定的分类属性，往往体现了群体的局部特征，并不能描述群体的整体特征。

相比而言，聚类分析是解决传统客户细分的有效方法。它能够将数据样本，在没有先验知识的前提下，依据数据的整体属性，依照其内在的亲疏程度进行自动分组，能够使组内个体尽可能亲密，组间个体尽可能疏远。

此处所指，没有先验知识是无需提前设定分类属性；亲疏程度一般有两个评估标准，相似程度和差异程度。

2. 聚类算法分类

依照不同的分类标准，可以从不同角度对聚类算法进行划分：

（1）聚类结果角度

聚类算法可以分为覆盖聚类算法和非覆盖聚类算法。覆盖聚类算法指的是任何一个个体都会隶属于至少一个类，反之则为非覆盖聚类算法。

聚类算法还可以分为层次聚类和非层次聚类，层次聚类指的存在一个类属于另外一个类的子集，反之则成为非层次聚类。

聚类算法还可以分为确定聚类和模糊聚类。