聚类分析树状图如何分析，怎么判断分成几类？ 从右边开始看，分为两类；然后从右往左看每个分叉就多分出一类。换个方式说：就是把图逆时针转90度，你就能看明白了，就像一个树状图。应该是分2到4类比较好，分类的间距越大效果越好。
聚类分析与判别分析如何结合运用 1.聚类分析与判别分析的区别与联系都是研究分类的，在进行聚类分析前，对总体到底有几种类型不知道（研究分几类较为合适需从计算中加以调整）。判别分析则是在总体类型划分已知，对当前新样本判断它们属于哪个总体。如我们对研究的多元数据的特征不熟悉，当然要进行聚类分析，才能考虑判别分析问题。2.聚类分析分两种：Q型聚类（对样本的聚类），P型聚类（对变量的聚类）聚类分析需要注意的是，一般小样本数据可以用系统聚类法，大样本数据一般用快速聚类法（K均值聚类法）。需要根据统计量判断分几类比较合适，一般用R平方统计、伪F统计量等。如用前者时，可以从R平方的变换看n个样品分成几类比较合适，如分为5类时，R平方为0.9，当分为四类时，其值减小较快，如R平方为0.4，则认为分五类比较合适。另外，不同的分类方法产生的分类结果可能不同，要结合实际情况选出最优的分类方法。3.判别分析有Fisher判别，Bayes判别和逐步判别。一般用Fisher判别即可，要考虑概率及误判损失最小的用Bayes判别，但变量较多时，一般先进行逐步判别筛选出有统计意义的变量，再结合实际情况选择用哪种判别方法。
聚类分析与判别分析的区别 聚类分析是无监督分类，不知道数据点的类别标签，需要自己自动分出来来，简单说就是一堆东西混到一起了，你要把它们区分开来谁和谁是一类的；判别分析是有监督的，本身已经知道每个数据点属于哪个类，它的任务是找到最佳的分类方法，也就是在你这种分类方法下分类的分类效果是最佳的(通常是指错分最少)。
如何通过技术手段（如聚类分析）判别水军？ 1：那我怎么到现在还没领到工资？
聚类分析和判别分析的区别是什么？ 聚类分析是无监督分类，就是只有自变量（指标）数据，没有（表示类别的）因变量数据，就可以根据指标数据…
在应用聚类分析和判别分析解决实际问题时应该注意哪些方面？ 聚类要注意的问题 聚类结果主要受所选择的变量影响.如果去掉一些变量，或者增加一些变量，结果会很不同.相比之下，聚类方法的选择则不那么重要了.因此，聚类之前一定要目标明确。
最低0.27元开通文库会员，查看完整内容>；原发布者：pansimone武汉学刊2006年第1期经济研究聚类分析与判别分析的区别邓海燕上世纪60年代末到70年代初，人们把大量因变量的各个类别。精力集中于发展和应用数字分类法，且将这类方二、聚类分析与判别分析的区别法应用于自然资源、土壤剖面、气候分类、环境生1、基本思想不同态等数据，形成“数字分类学”学科。聚类分析和判（1）聚类分析的基本思想别分析就是这样的分类方法，目前它们已经成为我们所研究的样品或指标（变e79fa5e98193e59b9ee7ad9431333433623830量）之间存在程比较标准的数据分类方法。度不同的相似性（亲疏关系），于是根据一批样品我们常说“物以类聚、人以群分”，就是聚类分的多个观测指标，具体找出一些能够度量样品或析和判别分析最简单、最朴素的阐释，并且这一成指标之间相似程度的统计量，以这些统计量作为语也道明了这两种方法的区别与联系，都是分类划分类型的依据。把一些相似程度较大的样品（或技术，但它们是分别从不同的角度来对事物分类指标）聚合为一类，把另外一些相似程度较大的样的，或者说，是两种互逆的分类方式。聚类分析与品（或指标）又聚合为另一类；关系密切的聚合到判别分析都是多元。
聚类分析与判别分析有什么区别与联系？
如何通过技术手段（如聚类分析）判别水军？
已知聚类中心，如何判断新样本属于哪个聚类 K-means 算法属于聚类分析方法中一种基本的且应用最广泛的划分算法，它是一种已知聚类类别数的聚类算法。指定类别数为K，对样本集合进行聚类，聚类的结果由K 个聚类中心来表达，基于给定的聚类目标函数（或者说是聚类效果判别准则），算法采用迭代更新的方法，每一次迭代过程都是向目标函数值减小的方向进行，最终的聚类结果使目标函数值取得极小值，达到较优的聚类效果。使用平均误差准则函数E作为聚类结果好坏的衡量标准之一，保证了算法运行结果的可靠性和有效性。
