两步聚类

可扩展的两步聚类算法基于我们所熟悉的两步聚类算法，但从多个方面扩展了其功能和性能。

首先，此算法可以有效处理 Spark（提供 Map-Reduce 计算范式）支持的大量分布式数据。

其次此算法提供了多种机制，用于选择最相关特征以对给定数据进行聚类以及检测罕见的离群点。 此外，它还为支持洞察提供了一组增强的评估和诊断功能。

两步聚类算法首先执行预聚类步骤，方法是扫描整个数据集，并根据摘要统计信息（称为聚类特征）来存储密集区域的数据用例。 聚类特征以“CF 树”数据结构存储在内存中。 最后，应用凝聚式分层聚类算法对聚类特征集进行聚类。

Python 示例代码：

from spss.ml.clustering.twostep import TwoStep

cluster = TwoStep(). \
    setInputFieldList(["region", "happy", "age"]). \
    setDistMeasure("LOGLIKELIHOOD"). \
    setFeatureImportanceMethod("CRITERION"). \
    setAutoClustering(True)

clusterModel = cluster.fit(data)
predictions = clusterModel.transform(data)
predictions.show()

聚类模型评估

聚类模型评估 (CME) 旨在解释聚类模型，并根据各种评估度量方式来发现有用的洞察。

这是一种通用且独立于任何类型的聚类模型的建模后分析。

Python 示例代码：

from spss.ml.clustering.twostep import TwoStep

cluster = TwoStep(). \
    setInputFieldList(["region", "happy", "age"]). \
    setDistMeasure("LOGLIKELIHOOD"). \
    setFeatureImportanceMethod("CRITERION"). \
    setAutoClustering(True)

clusterModel = cluster.fit(data)
predictions = clusterModel.transform(data)
predictions.show()

父主题: SPSS 预测分析算法