几个问题想请教大家 如果资料点有不同的特徵值 eq: x1 (a1, b1, c1) 、 x2 (a2, b2, c3) 、 x3 (a3, b3, c3) ... 直接做clustering可能会因特徵值的scale不同，使得有些特徵被忽视 eq: 利用SPSS demo了以下十点 点 X Y 1 100.00 10.00 2 100.00 10.00 3 100.00 10.00 4 100.00 1.00 5 100.00 1.00 6 100.00 1.00 7 200.00 1.00 8 200.00 1.00 9 200.00 1.00 10 500.00 1.00 使用K-means分成3群 会由欧基里德距离分成(1,2,3,4,5,6)(7,8,9)(10) 如果为了避免scale造成的影响，使用hierachy分群 先经过Z-Score的处理，可分成(1,2,3)(4,5,6,7,8,9)(10) 後者是我比较想要的结果 想请问大家，我的资料型态有10个轴，彼此并无相关联 共100000点的资料，想经由clustering分成15群，并得到每个分群的boundaries 就刘老师提醒的Mahalanobis distance，跟Z-score相比增加了各变数间的相关性 以我的资料类型用Z-score还是Mahalanobis distance比较适合？ 亦想请问SPSS中有选择分群数的Z-score(or Mahalanobis)分群功能吗？ 目前看到K-means中没有Z-score可以选，hierachy没有群数的选择 因为我没学过SAS 如果SPSS没有内建，需要用perl写写看 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.114.88.228