层次聚类与K-Means怎样结合运用
1、层次聚类与K-Means聚类对比
聚类分析可以用于对样本进行细分，也可以对变量进行聚类。每种聚类方法又可以分为不同的类别。
比较常见的聚类分析方法有：K-means聚类、层次聚类
K-means聚类，最大的特点就是可以快速处理大量数据，但其仅能处理定量数据而不能处理分类数据，并且K-means聚类需要自主设定聚类类别的数量，不能自动寻找最优聚类类别数量，可能导致结果质量不稳定。
层次聚类，又叫系统聚类，基本思路是将多个样本各作为一类，计算样本两两之间的距离，合并距离最近的两类成新的一类，然后再计算距离，再合并，直到只有一类为止。层次聚类可以处理分类数据和定量数据，但处理速度相对较慢，通常情况下需要结合相关结果进行主观判断聚类类别数量。
两种聚类方法的比较2、使用场景
如果说按是按样本（或个案）聚类，样本数据量比较大，一般使用处理速度快的K-means聚类方法
SPSSAU中的K-means聚类如果是按变量（或标题）聚类，此类聚类的代表是层次聚类，层次聚类会生成聚类树状图，可以直观看到聚类结果，可结合专业知识综合判定分析。
分层聚类3、层次聚类与K-Means结合运用
由于K-means聚类需要自己设定聚类个数，设置的太多或太少都可能影响聚类效果，而层次聚类可以自动聚类类别数量，不需要事先设定聚类个数，因此有时也会将K-means聚类和层次聚类结合起来使用。
两种方法都可以在SPSSAU（在线SPSS）中使用，有需要可以登录SPSSAU官网使用，还有案例数据可供操作学习。
相关资料SPSS在线_SPSSAU_分层聚类
【层次聚类与K-Means怎样结合运用】 SPSS在线_SPSSAU_SPSS聚类分析
■网友
先用层次聚类算法然后用K平均的聚类，是一种常见的聚类算法，好像叫什么H-K算法，这个算法有很多的拓展算法，其基本原理在于，用层次聚类算法得到信息的初始化信息，比如可以分成多少个簇，中心点的位置信息等等，这样接下来可以利用这些信息来做Kmens聚类。这样的好处是可以解决Kmeans算法初始中心位置的随机性而且可以减少运算量，因为层次聚类的算法运算量太大无法运用于大规模数据。具体可以查询一些论文，我估计有很多优化后的HK聚类算法。
■网友
实际操作中肯定是先用K-means， 因为K-means是快速聚类，他能处理大数据。层次聚类迭代次数多，对大数据束手无策，如果抽样30w，层次聚类也很吃力。用K-means聚类后的类作为观测，再进行层次聚类。
推荐阅读
- “惠宿保”在宿迁上线 构建多层次医保体系
- 校招进BAT无望，怎样规划自己的职业生涯，最快时间毕业之后走社招进入BAT层次的公司
- 咋才算学精了jdk类库，或者说 学习jdk类库，分成那几个层次
- K均值聚类算法中,对枚举类型,有序类型,是怎样定义距离的?
- 陈慧琳|48岁陈慧琳近照曝光：你的身材，正在暴露你的生活层次
- 当今互联网校招中最终拿到offer的学生学历层次是怎么样的
- #高层次人才#爱国奉献 砥砺奋斗 接受精神洗礼 江苏高层次人才为高质量发展汇聚强大力量 见贤思齐
- 80后|南通“80后”医生受邀参加全省高层次人才学习会
- 人才■在泰州企业工作的高层次人才，你的2020年度福利已到货
- 车技集合|25万级新的豪华SUV选择，档次可比Q5L，月销量已达同级BBA层次