马克威Birch聚类

马克威操作说明

（1）以数据文件“马克威通用数据3.mkw”为例，演示Birch算法的操作。首先，在工作区内，打开建模分析工作流：“机器学习”→“BIRCH”，接着选择数据源，然后设置算法的参数，最后点击运行按钮。

其中各类参数的含义为：

选择变量“用户喜好”、“用户评价”、“到达天数”、“是否丢失”、“是否有工作”进行聚类分析。具体的参数设置如下所示：

（2）输出结果

（3）结果说明

从分析结果可以看出，按照不同层次，不同属性进行了分类，用户购买商品，按照用户体验，客户喜好，达到天数，是否丢失，来进行聚类后评判用户群体的特征。

数据要求

输入变量类型：数值型

算法用途

Brich算法是一种层次聚类算法，主要应用于对样本数据进行聚类。由于引入簇结构，能够克服一般聚类的不可伸缩性和扩展性，使得该聚类方法在大型数据库中取得好的速度和伸缩性。

Brich算法已经在实际领域中得到广泛的应用，包括市场研究、模式识别、数据分析和图像处理。在商务中，可以用来发现不同的顾客群，刻画顾客的特征；在生物学中，能够用来推到动植物分类等。

算法原理

Birch是一个综合的层次聚类算法，既能对大规模数值数据进行聚类，又能够有效地处理离群点。Birch算法只需扫描一遍数据库就可以得到一个好的聚类效果，而且不需事先设定聚类个数，克服了K-Means算法需要预先设定聚类中心点个数的缺点。

BIRCH聚类是通过聚类特征树（ClusterFeature-Tree）实现的，在一定程度上保存了对数据的压缩。通过引入聚类特征和聚类特征数来概括簇，这种簇结构使得该方法在大型数据库中取得好的速度和伸缩性，对对象的增量和动态聚类也非常的有效；由于Birch算法使用半径或直径的概念来控制簇的边界，比较适合球形的簇，如果簇不是球形的，则聚簇的效果将受到影响。

该算法在进行聚类时，一般包含两个步骤：1）单遍扫描数据，建立一颗存放于内存的初始CF树；2）采用某个选定的聚类算法对CF树的叶节点进行聚类，把稀疏的簇作为异常点删除而把稠密的簇合并为更大的簇。

一般的簇的质心X₀，半径R和直径D可如下定义：

其中R是对象到质心的平均距离，D是簇中成对的平均距离。R和D都反映了质心周围簇的紧凑程度。

结果与解释

输出结果：