聚类分析：基本概念探究

本节首先阐述聚类分析与分类分析的区别，然后给出聚类分析相关的定义。

聚类分析是根据最大化类内的相似性、最小化类间的相似性的原则将数据对象聚类或分组，所形成的每个簇可以看作一个数据对象类，用显式或隐式的方法描述它们。

在开始聚类分析介绍之前，先给出一个简单直观的例子。

例4.1：给出某个网站中九个访问者一周内的浏览信息，可分为三个簇进行描述（表4-1）。描述访客的两个特征值分别是访客访问该站点的次数、停留的时间。簇1中的访客访问次数较少，但停留时间长；簇2中的访客访问次数多且停留时间长；簇3中的访客访问次数少且停留时间短。

表4-1　包含相似对象的类的样本集

(www.xing528.com)

（续表）

聚类分析和分类分析都是数据挖掘的重要技术，两者的目的都是将数据对象集合分门别类，但存在本质区别。

机器学习分为两类：有监督学习和无监督学习。有监督学习中的训练集是带有类标号的，新的数据是基于训练集进行分类的，分类分析是有监督的学习过程，分类之前已经知道应该把数据分成哪几类，每个类的性质是什么，例如：客户信用卡等级；无监督学习的训练集是没有类标号的，系统对输入的数据样本自动形成簇，聚类分析是无监督的学习过程，常常针对没有先验知识的问题，不依赖预先定义的类和带类标号的训练样本，进行聚类前并不知道将要划分成几个簇和什么样的簇，即簇的数目是未知的，聚类的结果是动态的，例如：客户的购买行为。

例4.1中对每个簇特征的解释表明聚类过程是在无监督的情况下进行的。

聚类分析与分类分析的根本区别在于：分类需要事先知道分类所依据的属性值，而聚类需要找到这个属性值。