聚类分析原理简介：
聚类分析是对样品或变量进行分类的一种多元统计方法，目的在于将相似的实物归类。
聚类分析并不是一种纯粹的统计技术，在方法基础上与分布理论和显著性无关，一般不用于从样本推断总体的研究。在市场研究中，聚类分析主要用于市场细分、研究消费者行为，寻找新的潜在市场和左尾其他统计分析的预处理等。
聚类分析的基本概念
聚类（clustering）是将某个对象集划分为若干组（class或cluster）的过程，使得同一个组内的数据对象是具有较高的相似度，而不同的组中间的数据对象是不相似的，相似或者不相似的定义基于属性变量的取值确定，一般采用个对象间的距离（欧几里得距离）来表示。
聚类分析属于无监督的学习方法，它不依赖事先已知的数据分类，也不依赖标有数据类别的训练样本集合。正因为如此，聚类分析是一种通过观察的学习方法，而不是通过示例取学习规则。
思想：
聚类算法就是用K_Means聚类实现的，用欧几里得距离为依据判别点之间的相似性。
-
如果二维平面上的一堆点要分成三类，那么首先会随机选择三个点，然后平面中所有的点都会和这三个选择的中心点求距离，离哪个点近，就划分到哪个中心点类别中，初步的标记好三个分类。
-
然后这三个分类再对每个分类求其质心，得出三个中心点。这个求质心的过程，是找出一个点，使得这个点到所有的点的距离最小化。因为存在无数个点使得距离最大，单总有一个点，会得到最小的距离。求出中心点后，在重新计算所有点到这三个中心点的距离，重新划分类别。
-
以此重复循环，最终得到划分后的类别与求得中心点后计算得到的类别没有差别，或者是距离在一定的误差范围类，即结束分类器。
用spss进行快速聚类，K_均值聚类。表格如下，删除了几个用不到的信息。
我们对以上表格按照salary薪资，和salbegin起始工资，划分类别。
先看一下他们的散点图分布：
我们把这些点分成三个类别。
选择保存按钮点击保存分类后的类别。
最终结果会在spss表格中保存分类的结果类别。
spss分析输出：
初始的聚类中心选择的三个点。
最终的聚类中心点，和每个类别中的数量。一类别工资高的有12个，中等工资的75人，一般工资占比最多。
最终我们绘图看一下分类的结果：
三角形标注的4，5，6三个点是中心点的位置。
然后我又做了另外一件事，用Python中的K_Means方法给这组数据进行分类
km2 = KMeans(n_clusters=3) km2.fit(df1[["salary","salbegin"]]) plt.figure(figsize=(12,9)) plt.scatter(df1["salbegin"],df1["salary"],c=km2.labels_) plt.scatter(km2.cluster_centers_[:,1],km2.cluster_centers_[:,0],c='r') plt.grid(True) plt.show()
最终得到的三个中心点也不一样。
Python中分得每个类别比较均匀，我执行了很多次，虽然每一次在边缘处有一两个点会摇摆，但基本差别不会太大。而且Python中选择的初始化中心点的方法是K_means++，初始化优化算法。
但是spss中的具体方法我没有查到，希望补充。
