什麼是聚類分析？ 

聚類分析屬於探索性的資料分析方法。通常，我們利用聚類分析將看似無序的物件進行分組、歸類，以達到更好地理解研究物件的目的。聚類結果要求組內物件相似性較高，組間物件相似性較低。在三國資料分析中，很多問題可以藉助聚類分析來解決，比如三國人物身份劃分。
聚類分析的基本過程是怎樣的？ 

• 選擇聚類變數

在分析三國人物身份的時候，我們會根據一定的假設，儘可能選取對角色身份有影響的變數，這些變數一般包含與身份密切相關的統率、武力、智力、政治、魅力、特技、槍兵、戟兵、弩兵、騎兵、兵器、水軍等。但是，聚類分析過程對用於聚類的變數還有一定的要求：
這些變數在不同研究物件上的值具有明顯差異；
這些變數之間不能存在高度相關。
因為，首先，用於聚類的變數數目不是越多越好，沒有明顯差異的變數對聚類沒有起到實質意義，而且可能使結果產生偏差；其次，高度相關的變數相當於給這些變數進行了加權，等於放大了某方面因素對使用者分類的作用。
識別合適的聚類變數的方法：
對變數做聚類分析，從聚得的各類中挑選出一個有代表性的變數；
做主成份分析或因子分析，產生新的變數作為聚類變數。

• 聚類分析

相對於聚類前的準備工作，真正的執行過程顯得異常簡單。資料準備好後，丟到分析軟體（通常是分析服務）裡面跑一下，結果就出來了。
這裡面遇到的一個問題是，把人物分成多少類合適？通常，可以結合幾個標準綜合判斷：
1. 看拐點
2. 憑經驗或人物特性判斷
3. 在邏輯上能夠清楚地解釋

• 找出各類使用者的重要特徵

確定一種分類方案之後，接下來，我們需要返回觀察各類別三國人物在各個變數上的表現。根據差異檢驗的結果，我們以顏色區分出不同類使用者在這項指標上的水平高低。

• 聚類解釋&命名

在理解和解釋使用者分類時，最好可以結合更多的資料，例如，三國志12資料等……最後，選取每一類別最明顯的幾個特徵為其命名，就大功告成啦！

下面我們進入主題，同樣我們繼續利用上次的解決方案，依次步驟如下：





在挖掘模型中，主要是列出所建立的挖掘模型，也可以新增挖掘模型，並調整變數，變數使用情況包含Ignore（忽略）、Input（輸入變數）、Predict（預測變數、輸入變數）以及PredictOnly（預測變數），如圖所示：

而在挖掘模型上點選滑鼠右鍵，選擇“設定演算法引數”針對方法論的引數設定加以編輯，其中包含：
CLUSTER_COUNT：指定演算法所要建立的聚類的近似數目。如果無法從資料中建立聚類的近似數目，演算法便會盡可能建立聚類。若將CLUSTER_COUNT設定為0，則演算法便會使用啟發式決定所應建立的聚類數目，預設值為10。
CLUSTER_SEED：指定在模型建立的初始階段，用於隨機產生聚類的種子數。
CLUSTERING_METHOD：演算法使用的聚類方法可以是可擴充套件的EM（1）、不可擴充的EM（2）、可擴充的K-means（3）或不可擴充的K-means（4）。
MAXIMUM_INPUT_ATTRIBUTE：指定在呼叫功能選項之前，演算法可以處理輸入屬性的最大數目。將此值設定為0，會指定沒有屬性最大數目的限制。
MAXIMUM_STATES：指定演算法所支援屬性狀態的最大數目。如果屬性擁有的狀態數目大於狀態的最大數目，演算法會使用屬性最常用的狀態並將其他的狀態視為遺漏。
MINIMUM_SUPPORT：此引數指定每個聚類中的最小案例數目。
MODELLING_CARDINALITY：此引數指定聚類處理期間建構的範例模型數目。
SAMPLE_SIZE：指定如果CLUSTERING_METHOD引數設定為可擴充的聚類方法時，演算法使用在每個行程上的案例數目。將SAMPLE_SIZE設定為0會導致整個資料集在單一程序中聚類，如此可能會造成記憶體和效率的問題。
STOPPING_TOLERANCE：指定用來決定何時到達聚合以及演算法完成建立模型的值。當聚類概率的整體變更小於SHOPPING_TOLERANCE除以模型大小的比率時，就到達聚合。

挖掘模型檢視器則是呈現此聚類分析結果，其中聚類圖表則是表現各類關聯性的強弱，對於資料的分佈進一步加以瞭解。而在每一聚類結點上，點選右鍵，再出現的選單上選擇“鑽取”，則可以瀏覽屬於這一類的樣本資料特徵。

從“分類剖面圖”瞭解因變數與自變數間的關聯性強弱程度，如圖

“分類特性”主要是呈現每一類的特性，見圖


在“分類對比”上，主要就是呈現出兩類間特性的比較，如圖

參考文獻：
Microsoft 聚類分析演算法
http://msdn.microsoft.com/zh-cn/library/ms174879.aspx