聚类条形图上两变量多重比较显著性怎么标示的，如图，组内我能理解，就是组间怎么理解呢，求指教？ 不同字母表示差异性显著，相同字母表示差异不显著。以第一个数据为例，a，ab，abc没有显著性差异，ab，abc，bc没有显著性差异，abc，bc，c没有显著性差异，a和c之间有显著性差异。
聚类分析的定义
聚类分析结果怎么看spssau，聚类分析，通俗地讲，就是通过计算相关指标，将样本分为几类，使得类与类之间的差异很大，同类样本之间的差异尽可能地小。
无监督学习比如简单的聚类分析真的是“学习”吗？这里面真的有“学习”的概念吗？ 其实我想说的是：“机器学习”里“学习”的概念究竟是什么呢？这种叫法真的能反应它的实际内容所涵概的范…
模糊聚类分析的常用分类方法 数据分类中，常用的分类方法有多元统计中的系统聚类法、模糊聚类分析等.在模糊聚类分析中，首先要计算模糊相似矩阵，而不同的模糊相似矩阵会产生不同的分类结果；即使采用相同的模糊相似矩阵，不同的阈值也会产生不同的分类结果.“如何确定这些分类的有效性”便成为模糊聚类的要点。识别研究中的一个重要问题.文献，把有效性不满意的原因归结于数据集几何结构的不理想.但笔者认为，不同的几何结构是对实际需要的反映，我们不能排除实际需要而追求所谓的“理想几何结构”，不理想的分类不应归因于数据集的几何结构.针对同一模糊相似矩阵，文献建立了确定模糊聚类有效性的方法.用固定的显著性水平，在不同分类的F一统计量和F检验临界值的差中选最大者，即为有效分类.但是，当显著性水平变化时，此方法的结果也会变化.文献引进了一种模糊划分嫡来评价模糊聚类的有效性，并人为规定当两类的嫡大于一数时，此两类可合并，通过逐次合并，最终得到有效分类.此方法人为干预较多，当这个规定数不同时，也会得到不同的结果.另外这两种方法也未比较不同模糊相似矩阵的分类结果.系统聚类法是基于模糊等价关系的模糊聚类分析法。在经典的聚类分析方法中可用经典等价关系对样本集X。
如何对用户进行聚类分析？ 图片来源：http：//www.exegetic.biz/blog/2015/10/monthofjulia-day-30-clustering/ 如上图，数据可以被分到红。https：// archive.ics.uci.edu/ml/ datasets/Online+Retail# 。
聚类分析的主要步骤 1.数据预处理，2.为衡量数据点间的相似度定义一个距离函数，3.聚类或分组，4.评估输出。数据预处理包括选择数量，类型和特征的标度，它依靠特征选择和特征抽取，特征选择选择重要的特征，特征抽取把输入的特征转化为一个新的显著特征，它们经常被用来获取一个合适的特征集来为避免“维数灾”进行聚类，数据预处理还包括将孤立点移出数据，孤立点是不依附于一般数据行为或模型的数据，因此孤立点经常会导致有偏差的聚类结果，因此为了得到正确的聚类，我们必须将它们剔除。既然相类似性是定义一个类的基础，那么不同数据之间在同一个特征空间相似度的衡量对于聚类步骤是很重要的，由于特征类型和特征标度的多样性，距离度量必须谨慎，它经常依赖于应用，例如，通常通过定义在特征空间的距离度量来评估不同对象的相异性，很多距离度都应用在一些不同的领域，一个简单的距离度量，如Euclidean距离，经常被用作反映不同数据间的相异性，一些有关相似性的度量，例如PMC和SMC，能够被用来特征化不同数据的概念相似性，在图像聚类上，子图图像的误差更正能够被用来衡量两个图形的相似性。将数据对象分到不同的类中是一个很重要的步骤，数据基于不同的方法被分到不同的类。
什么叫层次聚类分析
回归系数不显著怎么办？ 比如用似无关回归 张芝 75 人赞同了该回答 看JF、JFE、RFS上面的文章，实证结果总是相当地显著，不论作者采用何种思路做稳健性检验，都是怎么做怎么显著。。
