基础篇：数据挖掘的聚类算法和优势
比较分类算法的话，大概考虑这几个维度：时间空间复杂度，鲁棒性，参数敏感性，处理不规则形状，适合的类数量，类间差异（范围大小，样本个数，形状差异）
可以参照一下sklearn网站给出的列表：2.3. Clustering
除了这些聚类方法以外，统计老师讲过一些传统的聚类方法，归属于系统聚类的范畴，先定义观测间的距离和类之间的距离计算方法，然后按照距离把最接近的两个观测（类）合并，直到合并成一个大类为止。
最短距离法：
类间距为两类中最近观测的距离。
不限制类形状，对拉长的分布效果好，会删除边缘的观测点
最长距离法：
类间距为两类中最远观测的距离。
倾向于产生直径相等的类，易受异常值影响。
中间距离法：
类间距为最长距、最短距、类内距离的加权。
重心法：
类间距为两类重心之间的距离
对奇异值稳健
类平均法：
类间距为两类观测之间距离的平均值。
倾向于先合并方差小的类，偏向于产生方差相同的类。
离差平方和法：
将合并后类内方差最小的两类合并
倾向于产生数量相等的两类，对异常值敏感
密度估计：
较远的距离设为无穷。较近的两个样本，距离与局部密度成反比。
适用于不规则形状类，不适用样本数太少。
两阶段密度估计：
用密度估计计算距离，再用最短距离法聚类。
普适性较强
除了以上这些常见方法，值得一提的是去年发在science上的算法 fast search and find of density peaks. 这个方法克服了DBSCAN中不同类的密度差别大，邻域范围难以设定的问题，非常鲁棒，看起来棒棒的。
ps：如果希望聚的效果好，距离度量方法有时候比聚类方法更重要。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
CDA数据分析师 出品 作者：李诗怡 1. 销售漏斗阶段判断 题目：销售漏斗模型中，通过广告、社交媒体等方式触达品牌信息（如浏览品 ...
2026-09-07在Python数据分析中，Pandas库的DataFrame是最核心、最常用的结构化数据表对象，类似于Excel的二维表格，具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中，平均增速（平均增长率）是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作，但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展，商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者：李诗怡 1. 波士顿矩阵（BCG Matrix） 定义： BCG于1970年提出的业务组合分析工具，以"市场增长率"（纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道，但许多人拿到Excel后习惯性地先算、先分析，结果回头发现漏了一列关键数据， ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具，具备快速汇总、维度拆分、动态筛选的能力，可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中，堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道，但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者：李诗怡 一、8个核心数据清洗函数 1. TRIM：一键清除多余空格（最常用） 作用：仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表，而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中，面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差，但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中，数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中，诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能，Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时，常常感到“知道要分析，却不知道用什么方法”。其实，数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中，自增ID是数据表最常用的主键字段，用于唯一标识每一条业务数据，正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中，平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中，最常 ...
2026-08-31在数据驱动的时代，数据分析早已不是“凭经验、靠感觉”的零散操作，而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
