聚類分析經(jīng)過多年的發(fā)展，已經(jīng)逐漸形成常用的三種聚類方法：層次聚類法、K-Mean聚類法和二階聚類法。下面對這三種聚類方法的聚類邏輯進(jìn)行介紹，后面會用三篇推送具體介紹它們的原理、SPSS軟件實(shí)現(xiàn)和生活案例應(yīng)用。

層次聚類法

層次聚類法是傳統(tǒng)的聚類方法，它首先需要根據(jù)指標(biāo)數(shù)據(jù)類型確定距離的基本定義和計算方式，隨后按照距離的遠(yuǎn)近，將所有的事物（個案）一步一步的歸成一類。這樣聚類的結(jié)果顯然存在嵌套，或者說不同類別間會有層次關(guān)系，因此被稱為層次聚類法。層次聚類可用一張二維空間圖來表示，稱為樹狀圖。

K-均值聚類

層次聚類的分析過程是非常細(xì)致的，需要計算所有事物（個案）兩兩之間的距離，所以聚類的效率不高。K-均值聚類可以在一定程度上解決這個問題。K-均值聚類在聚類之前就確定好了最終的類別數(shù)和類別坐標(biāo)，整個分析過程使用迭代的方式進(jìn)行。通過不斷的迭代把事物（個案）在不同類別之間移動，直到找到距離最短的類別，然后將該事物歸于此類。整個計算過程中不需要存儲基本數(shù)據(jù)，因此不會出現(xiàn)嵌套結(jié)果，計算速度也非?？臁?/p>

二階聚類

隨著數(shù)據(jù)收集和存儲設(shè)備的發(fā)展，海量數(shù)據(jù)的聚類分析已經(jīng)稱為迫切的需求，而上面介紹的兩種聚類方法在速度和效率上還不能滿足要求。首先是面對海量數(shù)據(jù)，過高的計算量會使上面兩種方法不具實(shí)用價值；其次上面兩種聚類方法不能處理復(fù)雜指標(biāo)數(shù)據(jù)同時存在的情況，特別是連續(xù)型和離散型數(shù)據(jù)混合出現(xiàn)的情況。二階聚類能夠解決上面兩種聚類方法不能處理的復(fù)雜情況。