数据挖掘题目，K—均值算法应用 第一轮A1(2，10)B1（5，8），A3（8，4），B2（7，5），B3（6，4），C2（4，9）C1（1，2），A2（2，5）对应中心分别是（2，10)，（6，6），(1.5，3.5)最后结果：｛A1(2，10)，B1（5，8），C2（4，9）｝｛A3（8，4），B2（7，5），B3（6，4）｝｛C1（1，2），A2（2，5）｝
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# 。
所有的聚类算法都要指定\ 一，K-Means聚类算法原理k-means 算法接受参数 k然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小.聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的.
聚类算法的每个簇中对象个数相同吗 是否可能取决于你的算法是如何实现的。建议你看看weka和matlab的km算法实现。聚类数小于k的原因是聚类过程中出现空簇，如果没有特殊的处理，这个问题是无法在后续的循环中自行解决的。weka的实现是允许输出聚类数小于k的，出现空簇就直接将空簇删除；而matlab的km有一个参数用于解决聚类数小于k的问题，例如直接选择最远离聚类中心的点作为一个新的簇。
聚类分析后，如何对每个簇再进一步的分析？ 比如我想做个学生体质的聚类，学生的属性有各项运动成绩：立定跳，50米，仰卧起坐等等。聚类完分为3个簇…
密度聚类可以用来分析地理位置聚簇吗 聚类分析的职能是建立一种分类方法，它是将一批样品或变量，按照它们在性质上的亲疏程度进行分类.距离的种类很多，其中欧式距离在聚类分析中用得最广，它的表达式如下：其中Xik表示第i个样品的第k个指标的观测值，Xjk表示第j个样品的第k个指标的观测值，dij为第i个样品与第j个样品之间的欧氏距离.若dij越小，那么第i与j两个样品之间的性质就越接近.性质接近的样品就可以划为一类.当确定了样品之间的距离之后，就要对样品进行分类.分类的方法很多，本节只介绍系统聚类法，它是聚类分析中应用最广泛的一种方法.首先将n个样品每个自成一类，然后每次将具有最小距离的两类合并成一类，合并后重新计算类与类之间的距离，这个过程一直持续到所有样品归为一类为止.分类结果可以画成一张直观的聚类谱系图.应用系统聚类法进行聚类分析的步骤如下：①确定待分类的样品的指标；②收集数据；③对数据进行变换处理（如标准化或规格化）；④使各个样品自成一类，即n个样品一共有n类；⑤计算各类之间的距离，得到一个距离对称矩阵，将距离最近的两个类并成一类；⑥并类后，如果类的个数大于1，那么重新计算各类之间的距离，继续并类，直至所有样品归为一类为止；⑦最后绘制系统聚类谱系图，按不同的分类。
有哪些常用的聚类算法？ https：//www. kdnuggets.com/2018/06/5 -clustering-algorithms-data-scientists-need-know.html 翻译：非线性 审校：wanting 中文翻译首发于“集智学园”公众号
