聚类分析案例怎么用UPGMA法做聚类分析

关于数据挖掘中聚类分析的题目，用一个例子表明K-均值不能找到全局最优解，即不能最优化簇内方差。

简单，如图： 列和列之间距离大，行与行之间距离小，聚成三类的最优结果应该是每一列为一类，此时，类内方差最小。

但如果初始点选成中间的三个点，聚类结果就成了每一行为一类，显然是局部最优，不是全局最优。

ps：来自别人的文献上。

要用SPSS做聚类分析的小论文，不知道怎么说明做出的结果（树状图），解释等等，请好心人帮帮忙,谢谢

这是用SPSS系统聚类法做出的聚类结果树状图。

1，系统聚类的基本思想是：开始将n个样本各自作为一类，并规定样本之间的距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类的距离；重复进行两个最近类合并，每次减少一个类，纸质所有样本合并为一类。

你发的树状图就是根据这个过程得来的。

2，最上面一行的距离值表示个案与个案的距离值，这个是软件换算出的，不可以调整。

3，可能是你的SPSS版本较旧的原因，树状图是断开的，可能不太好分辨，新版本都是连上的线段。

但仍可继续做分析。

根据树状图可知， 第一次合并将7、8合为一类，1、3为一类，2、4、5为一类，说明它们之间最相似，距离最近。

第二次合并将6并入7、8的类。

第三次合并将1、3并入6、7、8所在类。

此时总共就剩两类了 第四次，把所有的个体合为一类 4，最终合为一类不代表不分类，而是你根据自己的需要确定类个数，再从图上找结果。

比如你最终想分类两类，结果就是『7、8、6、1、3』和『2、4、5』

怎么用UPGMA法做聚类分析

聚类分析：将个体（样品）或者对象（变量）按相似程度（距离远近）划分类别，使得同一类中的元素之间的相似性比其他类的元素的相似性更强。

目的在于使类间元素的同质性最大化和类与类间元素的异质性最大化。

其主要依据是聚到同一个数据集中的样