急求用spss做主成分—聚类分析法的详细步骤！ 我刚刚完成数模比赛 用了这个软件做主成分和聚类。前面的都好做，你做出来那个成分占的比重之后，你把每列数据除以他占的比重，在乘上数据的标准化数据，就能得到你想要的主成分。聚类要注意聚类方法的选择和聚类距离的确定，选择好，聚类就很简单了。
数据挖掘对聚类的数据要求是什么？ 1.可扩展性(Scalability)大多数来自于机器学习和统计学领域的聚类算法在处理数百条数据时能表现出高效率2.处理不同数据类型的能力数字型；二元类型，分类型/标称型，序数型，比例标度型等等3.发现任意形状的能力基于距离的聚类算法往往发现的是球形的聚类，其实现实的聚类是任意形状的4.用于决定输入参数的领域知识最小化对于高维数据，参数很难决定，聚类的质量也很难控制5.处理噪声数据的能力对空缺值、孤立点、数据噪声不敏感6.对于输入数据的顺序不敏感同一个数据集合，以不同的次序提交给同一个算法，应该产生相似的结果7.高维度高维度的数据往往比较稀松，而且高度倾斜8.基于约束的聚类找到既满足约束条件，又具有良好聚类特性的数据分组9.可解释性和可用性聚类要和特定的语义解释和应用相联系相异度矩阵：存储n个对象两两之间的近似性，也叫单模矩阵，行和列代表相同的实体
如何更有效地挖掘数据的统计特性，实现有效的聚类 1.可扩展性(Scalability)大多数来自于机器学习和统计学领域的聚类算法在处理数百条数据时能表现出高效率 2.处理不同数据类型的能力 数字型；二元类型，分类型/标称型，序数。
用于数据挖掘的聚类算法有哪些，各有何优势？
使用k-means聚类算法的优点是什么？使用高斯混合模型聚类算法的优点是什么 高斯混合模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，它是一个将事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物
