minitab 观测值聚类 变量聚类 k值聚类有什么区别？ 我知道对样本聚类就是对观测值聚类（cases)对变量聚类就是对指标聚类(variables)你的那个问题应该用变量聚类
k-means聚类算法一定要指定聚类个数吗 其实我猜你想问的是怎么改进k-means算法，可以摆脱手工指定k值。实质上通过算距离达到聚类的算法是必须要手工指定一个值的，也就是说需要一个参照。不需要制定聚类个数的聚类算法，例如：DBSCAN
利用spss对数据进行k-均值聚类分析，对数据进行分类分析有多种方法，本例分享如何利用软件对数据进行k-均值聚类，k值表示的是将数据分为k类，即选择k个聚类中心。
spss中k-means聚类的操作方法，k-mea聚类是聚类方法中的一种，通常我们要预先确定cae到底可以分为几类，然后才能进行这个聚类分析。另外，注意查看各个变量的量纲、平均数、。
spss中K-均值聚类 结果ANOVA表中sig.值为0.001，0.000代表的意思？能代表分类显著吗？这个值代表什么意思 是的，代表分类显著。本来 聚类分析的结果就需要在某些变量中分出的几个类别之间有显著差异，这样的分类才是成功的
K均值聚类法和系统聚类法有什么区别，这两种聚类方法的适用条件都是什么？ 适用条件：系2113统聚类法适于二维有5261序样品聚类的样品个数比较均匀。K均值聚类法适用4102于快速高效1653，特别是大量数据时使用。两者区别如下：一、指代不同1、K均值聚类法：是一种迭代求解的聚类分析算法。2、系统聚类法：又叫分层聚类法，聚类分析的一种方法。二、步骤不同1、K均值聚类法：步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。2、系统聚类法：开始时把每个样品作为一类，然后把最靠近的样品（即距离最小的群品）首先聚为小类，再将已聚合的小类按其类间距离再合并，不断继续下去，最后把一切子类都聚合到一个大类。三、目的不同1、K均值聚类法：终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。2、系统聚类法：是以距离为相似统计量时，确定新类与其他各类之间距离的方法，如最短距离法、最长距离法、中间距离法、重心法、群平均法、离差平方和法、欧氏距离等。参考资料来源：-系统聚类法参考资料来源：-K均值聚类算法
K-means聚类算法中的K如何确定？
