[if !supportLineBreakNewLine]
[endif]
聚类分析根据对象的不同分为Q型聚类分析和R型聚类分析，其中，Q型聚类是指对样本的聚类，R型聚类是指对变量的聚类。本节主要介绍Q型聚类。
一、距离和相似系数
1.1 、距离 在聚类过程中，相距较近的样本点倾向于归为一类，相距较远的样本点应归属于不同的类。最常用的是Minkowski距离。当各变量的单位不同或变异性相差很大时，不应直接采用Minkowski距离，而应先对各变量的数据做标准化处理，然后用标准化后的数据计算距离。使用SciPy库spatial模块下的distance子模块可以计算距离，使用该子模块下的pdist函数可以计算n维空间中观测值之间的距离，其语法格式如下：
获取更多知识，前往前往我的wx ————公z号 （程式解说）
原文来自 https:// https://mp.weixin.qq.com/s/ZB1V8NZHJLfKFgIJgiRxOw
系列文章： 聚类分析（1）之市场细分
聚类分析方法分为快速聚类和系统聚类（层次聚类）。快速聚类spss使用的是K-means聚类算法。该聚类方法需要指定聚类数量，通常我们需要多次尝试并分析多少个类合适。聚类分析适合大样本量情况。样本个数超过500，变量数超过50（并不是强制的）。
聚类分析数据类型为数值型，非数值型变量需要做转换，二分类变量（0,1）可以参与聚类分析。聚类多数适用于连续变量，分类变量适用对应分析。
聚类分析对极端值敏感，同时变量数据的量纲也会影响到聚类结果，需要做标准化处理。
结果依赖于第一次初始分类，聚类中绝大多数重要变化均发生在第一次分配中。
聚类分析中，关于分类时，一种是利用相似系数，性质越接近的，相似系数就越接近1或者-1，通过此来确定归类。另一种是利用空间距离，将每一个点看做m维空间上的一个点，并在空间中定义距离。
在spss中可以设定迭代次数。
来自《Python数据科学：技术详解与商业实践》。聚类效果的评估基于结果的可解释性，通常需要多次聚类才能找到合适的分类。
数据包含6个变量（字段），除了客户编号为名义变量外，其他都是连续变量。
不论什么做什么数据分析，第一步就是查看原始数据的分布，这里应该查看一下各变量的数据分布状态：均值，极大极小值，方差，缺失情况。
通过spss分析-描述
可以看出1.量纲差异较大。2极大极小值组距很大。从这方面可以讲，我们需要做标准化处理。先尝试不做标准化处理。
通过业务知识等，决定先设定5个细分人群，后面可以再尝试4和6。
先做标准化处理：spss分析-描述。在左下角中有一个“将标准化值另存为变量”，标准化为Z分数。确定后会生成新的标准化后的变量。
对标准化后的变量聚类：分析-分类-K-means
选择迭代次数同时将分类结果存在表中。
默认迭代次数是10次，迭代次数过少，可能已经迭代完了仍无法收敛，所以需要增加迭代次数。将分类结果保存在表中，是指对每个样本标注被分到哪一类了。这一步的目的是为了后续通过其他方法（比如比较均值）来看5类人群之间的差异。停
输出4个表格，都是经过标准化处理的。主要查看是否已经迭代收敛。然后下一步就是做均值比较等，目的是查看5类人群是否有差异，分类是否合理。同时还可以在对4和6类人群试做分类。聚类分析无法检验标准，
通过比较均值，可以了解5类人群之间的差异
输出的结果
从结果中可以看出
第一类：高端商用客户，总通话时间长，工作日上班时间通话比例高
第二类：少使用低端客户，总通话时间短，各时段通话时间都短
第三类：中端商用客户，总通话时间居中，工作日上班时间通话比例高
第四类：中端日常用客户，总通话时间居中，工作日下班时间通话比例高
第五类：长聊客户，每次通话时间长
