4.1 聚类分析介绍
聚类分析（Cluster Analysis）是要把数据的记录（样本）根据相似度，把相似的记录聚合在一起，称为“类”或“簇”（cluster）。在营销管理的市场划分，就是聚类分析。聚类分析没有目标变量，所以是非监督式学习。
聚类分析概念图如图4-1所示。
图4-1 聚类分析概念图
聚类分析有：层次聚类（hierarchical）和非层次聚类（non-hierarchical）。
①层次聚类
假设有N个记录，计算 1类，2类，…N类的划分。
（1）聚合法（agglomerative）：从N类→N-1类→…→ 1类的合并。
R语言包“cluster”的函数agnes（AGglomerative NESting）是聚合法层次聚类。
本章主要介绍聚合法层次聚类R语言基础包“stats”的函数hclust。
（2）划分法（divisive）：从1类→2类→…→N类的划分。
R语言包 “cluster”的函数diana（DIvisive ANAlysis clustering）是划分法层次聚类。
层次聚类，给出一个树形图（dendrogram），最上层是树根，是所有记录样本合并成一类，最下层是树叶，所有记录样本各成一类，聚合法是由下往上，从树叶变成树根，最后将所有记录并成一类。聚合法是用样本的“距离”来合并树枝。
第10章的决策树也是树形图，算是划分法，由上往下，用变量的“信息”来划分树枝，从树根变成树叶。决策树是监督式学习，用来判别样本是属于哪一类。
②非层次聚类
选定一个k值，计算k类的聚类。
（1）k-均值法（k-mean）：只适用于数值变量，不适用于分类变量。
（2）基于质心聚类法（PAM）：适用于数值变量和分类变量。
（3）期望最大值聚类法（EM）。
（4）基于密度的聚类法（DBSCAN）。
（5）模糊C均值法（Fuzzy C-means）。