对观测聚类的平台概述

聚类是将在几个变量上享有相似值的观测分组在一起的一种多元方法。通常情况下，观测在 n 维空间内散布不均，而是形成聚簇或聚类。标识出这些聚类使您可以更深层次地了解您的数据。

•	“层次聚类”可用于最多包含七万行的小型表，并且允许字符数据。“层次聚类”将行按描绘为一棵树的层次序列形式进行组合。您可以在生成树后选择最适合您数据的聚类数。

•	“K 均值聚类”适用于多达数百万行的大型表，并且只允许数值数据。您需要提前指定聚类数 k。该算法可以对聚类种子点做出推测。随后开始在为聚类分配点和重新计算聚类中心之间交替进行迭代过程。

•	“正态混合”适用于数据来自重叠的多元正态分布的混合分布这种情况，并且只允许数值数据。对于具有多元离群值的情形，您可以使用假设具有均匀分布的离群值聚类。单独的“稳健正态混合”选项是具有均匀离群值聚类的“正态混合”的替代选项。

•	“潜在类分析”适用于大多数变量是分类变量这种情况。您需要提前指定聚类数。该算法拟合假定具有多项式混合分布的模型。为每个观测计算聚类成员关系的最大似然估计值。观测会被归类到其成员关系概率最大的聚类中。