怎样进行聚类分析？
聚类分析用于将样本进行分类处理,通常是以定量数据作为分类标准;用户可自行设置聚类数量,如果不进行设置,系统会提供默认建议;通常情况下,建议用户设置聚类数量介于3~6个之间。
如何进行聚类分析呢？
以SPSSAU为例。
采用著名的鸢尾花iris数据集，按鸢尾花的三个类别（刚毛，变色，佛吉尼亚），每一类50株，共测得150株鸢尾花的花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性数据。
在“进阶方法”栏目下，选择“聚类”，花瓣、花萼长宽这4个连续型变量拖拽至【定量分析项】框内，作为K均值聚类的依据。
鸢尾花已知有3个类型，因此K值=3，SPSSAU聚类个数默认即为3类，默认即可。对于聚类过程，不同指标单位量纲有区别，因此建议做标准化处理，默认勾选【标准化】。同时，我们希望聚类结束后，能将聚类的类变量作为结果保存下来，因此默认勾选【保存类别】。
如上操作，可见SPSSAU做K均值聚类整个参数选项的设定过程极为简要明了，只需要有一点统计基础即可操作。
关于K均值聚类的K值，并不一定必须已知，我们可以采取遍历的形式，譬如说在3-6类之间进行遍历，即依次选择聚为3类、4类、5类、6类，然后对聚类结果进行比较，选择最佳结果即可。
就聚类分析而言，通常情况下，建议用户设置聚类数量介于2~6个之间，不宜过多。指定K值后，算法会从数据集中随机化选择一个个案的数据作为初始聚类中心，即K个类的中心点坐标。
随后计算其他个案所代表的点与初始聚类中心点的距离，并按距离远近进行分配，每完成一次分配，聚类中心都将重新计算，因此聚类中心处于变化中，这个过程不断重复，直到聚类中心点不再变化为止，此时距离数据产生的误差平方和SSE应为最小。
K均值的聚类过程，全部会有SPSSAU计算完成。我们了解基础后，直接来读取它输出的结果即可。
首先来看聚类后各类的规模，本例即看三类中各类群体包含的鸢尾花株数。
如上表所示，cluster1包含56株、cluster2包含44株、cluster3包含50株，个案比例依次为37.3%、29.3%和33.3%。该数据集已知每类含同类鸢尾花50株，现在K均值聚类结果仅有cluster3含50株，其他两类的规模与50株有微小差异，初步看聚类的准确率还是不错的。SPSSAU还为类规模表配置了一个饼图进行可视化展示，如下：
前面我们通俗介绍了K均值的聚类过程，提到初始聚类中心，在迭代过程中最后会成为最终聚类中心点，这个结果SPSSAU也为大家提供了。见下表。
表格中的属性数据是标准化后的数据，如果我们想使用最终聚类中心的话，需要转换为原始数据。对我们来说，比较重要的是该表下方备注的误差平方和SSE值，如果我们采取的是遍历聚类结果的方案，那么方案之间孰优孰劣，可以比较SSE的大小，更小的SSE表明聚类效果更佳。
聚类命名
现在我们思考一个问题，前面用于聚类的4个属性，即花瓣、花萼长宽数据，对于当前的K均值聚类结果来说，3个不同类之间花瓣、花萼长宽是否存在差异呢？或者说，各类在4个属性上有何特征？如果给每个类起个名字，我们的依据是什么？
为了探索出各个类别的具体特征，因而使用方差分析去研究各个类别群体的差异性，最终可结合各个类别特征进行类别命名。
上表即方差分析表，由此可知：聚类类别群体对于所有参与聚类的指标变量均呈现出显著性(p<0.05)，意味着聚类分析得到的3类群体，他们在研究项上的特征具有明显的差异性，具体差异性可通过平均值进行对比，并且最终结合实际情况，对聚类类别进行命名处理。
根据方差分析表中各类在4个属性上的均值表现，结合前面我们用箱线图对已知三种鸢尾花特征的探查，初步命名cluster3为刚毛鸢尾花类，cluster2为佛吉尼亚鸢尾花类，而cluster1为变色鸢尾花类。
步骤如下：
操作设备：戴尔电脑
操作系统：win10
1、首先通过快捷方式打开SPSS分析工具，默认显示数据视图。
2、切换到变量视图，然后添加六个变量，分别为姓名、M、C、E、S和R，其中姓名是字符串类型，其他都是数字类型。
3、返回到数据视图，向六个变量列插入对应的数据。
4、点击分析菜单，然后依次选择分类--->系统聚类。
5、打开系统聚类分析窗口，将变量M和变量C移到变量框中。
6、点击右侧统计按钮，打开系统聚类分析：统计窗口，选择集中计划，接着点击继续。
7、单击图按钮，打开图设置窗口，勾选谱系图，然后点击继续。
8、接着点击方法按钮，打开系统聚类分析：方法窗口，聚类方法选择瓦尔德法，然后单击继续。
9、最后点击系统聚类分析窗口中的确定按钮，然后生成系统聚类分析结果和图形展示。
