2022年2022年聚类分析的算法和应用 .pdf

《2022年2022年聚类分析的算法和应用 .pdf》由会员分享，可在线阅读，更多相关《2022年2022年聚类分析的算法和应用 .pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、聚类分析的算法和应用聚类分析是无监督学习的一种方式，根据 “ 物以类聚 ” 的道理， 对样品或指标进行分类的一种多元统计分析方法，它们讨论的对象是大量的样品，要求能合理地按各自的特性来进行合理的分类， 没有任何模式可供参考或依循，即是在没有先验知识的情况下进行的。聚类分析起源于分类学，在古老的分类学中，人们主要依靠经验和专业知识来实现分类，很少利用数学工具进行定量的分类。聚类与分类的不同在于，聚类所要求划分的类是未知的。随着人类科学技术的发展，对分类的要求越来越高，以致有时仅凭经验和专业知识难以确切地进行分类， 于是人们逐渐地把数学工具引用到了分类学中，形成了数值分类学，之后又将多元分析的技术

2、引入到数值分类学形成了聚类分析。聚类分析被应用于很多方面，在商业上， 聚类分析被用来发现不同的客户群，并且通过购买模式刻画不同的客户群的特征；在生物上， 聚类分析被用来动植物分类和对基因进行分类，获取对种群固有结构的认识；在地理上， 聚类能够帮助在地球中被观察的数据库商趋于的相似性；在保险行业上， 聚类分析通过一个高的平均消费来鉴定汽车保险单持有者的分组，同时根据住宅类型，价值，地理位置来鉴定一个城市的房产分组；在因特网应用上，聚类分析被用来在网上进行文档归类来修复信息。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性， 而不同簇间的对象有很大的相异性。聚类分

3、析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域， 很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。聚类分析计算方法主要有如下几种：分裂法(partitioning methods) ：层次法 (hierarchical methods) ： 基于密度的方法(density-based methods): 基于网格的方法(grid-basedmethods): 基于模型的方法 (model-based methods) 。分裂法又称划分方法(PAM:PArti

4、tioning method) ，首先创建k 个划分， k 为要创建的划分个数；然后利用一个循环定位技术通过将对象从一个划分移到另一个划分来帮助改善划分质量。层次法 (hierarchical method) 创建一个层次以分解给定的数据集。该方法可以分为自上而下（分解）和自下而上（合并）两种操作方式。为弥补分解与合并的不足，层次合并经常要与其它聚类方法相结合，如循环定位。基于密度的方法，根据密度完成对象的聚类。它根据对象周围的密度（如DBSCAN ）不断增长聚类。基于网格的方法，首先将对象空间划分为有限个单元以构成网格结构；然后利用网格结构完成聚类。K-means cluster analy

5、sis（KCA ）也叫快速聚类，是我们现在做人群细分时最常使用的方法。该方法是单纯应用统计技术根据若干指定变量将众多案例分到固定的类别中去。此种方法用于大量case 的类别划分时非常有效。但该方法可以选择的内容较少，最重要的是选择聚类的数量，迭代的次数，和聚类的中心位置；人为经验和判断无形中会起很大作用。KCA方法本身是要求事先确定分类的。它不仅要求确定分类的类数，而且你还需要事先确定点，也就是聚类种子，当然，SPSS可以为你自动选种子。然后，根据其他点离这些种子的远近把所有点进行分类。再然后呢，就是将这几类的中心作为新的基石，再分类。如此迭代。TwoStep Cluster Analysis

6、 是揭示自然类别的探索性工具。该方法的算法与传统聚类技术名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 3 页 - - - - - - - - - 相比有一些显著的特点：它可以基于类别变量和连续变量来进行聚类；自动选择聚类结果的最佳类别数；具备有效分析大量数据的能力。如果我们只拥有少量的Case ，并且想尝试多种聚类方法，测量不同类别之间的差异，我们就应该尝试使用Hierarchical Cluster Analysis（HCA） 。当然该方法不仅可以对样本聚类，也可以对

7、变量聚类。此种方法的分类结果取决于对聚类方法、距离测量方法、 标准化变量的设置。 这种方法不事先确定类数，有多少点就是多少类，它沿着最近的先聚为一类的思想进行合并，直至最后只有一大类为止聚类分析这种较成熟的统计学方法如果在市场分析中得到恰当的应用，必将改善市场营销的效果，为企业决策提供有益的参考。消费同一种类的商品或服务时，不同的客户有不同的消费特点，通过研究这些特点，企业可以制定出不同的营销组合，从而获取最大的消费者剩余，这就是客户细分的主要目的。常用的客户分类方法主要有三类：经验描述法， 由决策者根据经验对客户进行类别划分；传统统计法， 根据客户属性特征的简单统计来划分客户类别；非传统统计

8、方法，即基于人工智能技术的非数值方法。聚类分析法兼有后两类方法的特点，能够有效完成客户细分的过程。实验调查法是市场调查中一种有效的一手资料收集方法，主要用于市场销售实验，即所谓的市场测试。 通过小规模的实验性改变，以观察客户对产品或服务的反应，从而分析该改变是否值得在大范围内推广。实验调查法最常用的领域有：市场饱和度测试。市场饱和度反映市场的潜在购买力，是市场营销战略和策略决策的重要参考指标。企业通常通过将消费者购买产品或服务的各种决定因素降到最低限度的方法来测试市场饱和度。或者在出现滞销时，企业投放类似的新产品或服务到特定的市场，以测试市场是否真正达到饱和，是否具有潜在的购买力。前述两种措施

9、由于利益和风险的原因，不可能在企业覆盖的所有市场中实施，只能选择合适的实验市场和对照市场加以测试，得到近似的市场饱和度；产品的价格实验。这种实验往往将新定价的产品投放市场， 对顾客的态度和反应进行测试，了解顾客对这种价格的是否接受或接受程度；新产品上市实验。 波士顿矩阵研究的企业产品生命周期图表明，企业为了生存和发展往往要不断开发新产品， 并使之向明星产品和金牛产品顺利过渡。然而新产品投放市场后的失败率却很高，大致为66%到 90%。因而为了降低新产品的失败率，在产品大规模上市前，运用实验调查法对新产品的各方面进行实验是非常有必要的。抽样设计是市场调查中非常重要的一个部分，它的合理性直接决定了

10、市场调查结果的可信度。 在抽样方案设计的步骤中，抽样组织形式的选择又是一个关键环节，它决定了样本对总体的代表性的高低。依据抽样误差由低到高的顺序排列，按照标志排队的等距抽样方式抽样误差最小，其次分别为分层抽样、按照无关标志排队的等距抽样、简单随机抽样、整群抽样和非随机抽样。 结合资源的限制和操作的方便性进行综合选择，分层抽样在实践中的应用最为广泛。 分层抽样又称类型抽样，它是先将总体所有单位按照重要标志进行分组，然后在各组内按照简单随机抽样或等距抽样方式抽取样本单位的一种抽样方式。在分组时引入聚类方法，可以增强组别的合理性。销售片区的确定和片区经理的任命在企业的市场营销中发挥着重要的作用。只有

11、合理地将企业所拥有的子市场归成几个大的片区，才能有效地制定符合片区特点的市场营销战略和策略， 并任命合适的片区经理。聚类分析在这个过程中的应用可以通过一个例子来说明。某公司在全国有20 个子市场，每个市场在人口数量、人均可支配收入、地区零售总额、该公司某种商品的销售量等变量上有不同的指标值。以上变量都是决定市场需求量的主要因素。把这些变量作为聚类变量，结合决策者的主观愿望和相关统计软件提供的客观标准，接下来就可以针对不同的片区制定合理的战略和策略，并任命合适的片区经理了。企业制定市场营销战略时，弄清在同一市场中哪些企业是直接竞争者，哪些是间接竞争名师资料总结 - - -精品资料欢迎下载 - -

12、 - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 3 页 - - - - - - - - - 者是非常关键的一个环节。要解决这个问题，企业首先可以通过市场调查，获取自己和所有主要竞争者在品牌方面的第一提及知名度、提示前知名度和提示后知名度的指标值，将它们作为聚类分析的变量，这样便可以将企业和竞争对手的产品或品牌归类。根据归类的结论，企业可以获得如下信息：企业的产品或品牌和哪些竞争对手形成了直接的竞争关系。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 3 页 - - - - - - - - -