K-means聚类实例分析与软件操作教程.docx

一、K-means聚类基础概念

1.1聚类分析分类

聚类分析分为两大类：

-Q型聚类：对样本进行聚类（如对34个省市地区按经济发展指标聚类）

-R型聚类：对指标变量进行聚类（如对20个经济发展指标进行聚类）

K-means聚类属于Q型聚类，专门用于对样本进行分组。

1.2数据类型与聚类方法选择

在SPSSAU(在线SPSS)中，根据数据类型可选择不同聚类方法（聚类分析时将变量拖拽到对应分析框中，SPSSAU将自动进行匹配的聚类分析）：

-定量数据：K-means聚类

-定类数据：K-modes聚类

-混合数据：K-prototypes聚类

二、K-means聚类原理

2.1基本特点

基于距离的聚类方法

初始聚类中心选择具有随机性

默认使用标准化欧式距离计算

不同量纲数据需提前标准化（SPSSAU自动处理）

三、实例操作：鸢尾花数据聚类

3.1案例背景

数据：150株鸢尾花样本

变量：花萼长、花萼宽、花瓣长、花瓣宽（单位均为mm）

已知分类：3类（钢毛鸢尾、变色鸢尾、弗吉尼亚鸢尾）

3.2SPSSAU操作步骤

数据准备

将四个性状变量拖入分析项(定量)框

单位统一可不标准化（SPSSAU默认会处理）

确定K值

专业已知分为3类，直接选择K=3

若不确定K值，可通过以下方法确定：

肘部法则（观察SSE下降拐点）

轮廓系数法（选择轮廓系数最大的K值）

遍历多个K值比较结果

执行聚类

点击开始分析按钮

系统自动输出聚类结果

3.3结果解读

聚类分布

第一类：56个样本（37.33%）

第二类：44个样本（29.33%）

第三类：50个样本（33.33%）

分布均匀，无过大或过小类别

变量重要性

花瓣长（重要性=1）

花瓣宽（0.8）

花萼长（0.5）

花萼宽（0.3）

若某变量重要性极低（如0.1），可考虑删除后重新聚类

方差分析

所有变量p值0.01

表明三类在各性状上均有显著差异

说明聚类效果良好

3.4类别特征分析

可视化分析

使用SPSSAU的象限图功能

将聚类结果变量拖入分组项

四个性状变量拖入分析项

特征总结

第三类：花瓣长和宽均较小（钢毛鸢尾特征）

第二类：花萼长和宽较大

第一类：介于中间状态

四、K值确定方法详解

4.1肘部法则

计算不同K值下的SSE（误差平方和）

绘制SSE-K曲线

选择曲线拐点处的K值

4.2轮廓系数法

计算不同K值的平均轮廓系数

选择系数最大的K值

轮廓系数范围[-1,1]，越接近1效果越好

4.3专业经验法

根据业务需求确定类别数

参考已有研究或领域知识

五、注意事项

数据预处理

异常值处理

缺失值处理

量纲统一（SPSSAU自动标准化）

结果验证

多次运行观察稳定性

结合业务知识判断合理性

局限性

对初始中心敏感

适合凸形分布数据

需预先指定K值

通过SPSSAU(网页SPSS)进行K-means聚类分析，可快速获得专业可靠的聚类结果，帮助研究者发现数据中的自然分组模式。