什么是聚类分析？ 

聚类分析属于探索性的数据分析方法。通常，我们利用聚类分析将看似无序的对象进行分组、归类，以达到更好地理解研究对象的目的。聚类结果要求组内对象相似性较高，组间对象相似性较低。在三国数据分析中，很多问题可以借助聚类分析来解决，比如三国人物身份划分。
聚类分析的基本过程是怎样的？ 

• 选择聚类变量

在分析三国人物身份的时候，我们会根据一定的假设，尽可能选取对角色身份有影响的变量，这些变量一般包含与身份密切相关的统率、武力、智力、政治、魅力、特技、枪兵、戟兵、弩兵、骑兵、兵器、水军等。但是，聚类分析过程对用于聚类的变量还有一定的要求：
这些变量在不同研究对象上的值具有明显差异；
这些变量之间不能存在高度相关。
因为，首先，用于聚类的变量数目不是越多越好，没有明显差异的变量对聚类没有起到实质意义，而且可能使结果产生偏差；其次，高度相关的变量相当于给这些变量进行了加权，等于放大了某方面因素对用户分类的作用。
识别合适的聚类变量的方法：
对变量做聚类分析，从聚得的各类中挑选出一个有代表性的变量；
做主成份分析或因子分析，产生新的变量作为聚类变量。

• 聚类分析

相对于聚类前的准备工作，真正的执行过程显得异常简单。数据准备好后，丢到分析软件（通常是分析服务）里面跑一下，结果就出来了。
这里面遇到的一个问题是，把人物分成多少类合适？通常，可以结合几个标准综合判断：
1. 看拐点
2. 凭经验或人物特性判断
3. 在逻辑上能够清楚地解释

• 找出各类用户的重要特征

确定一种分类方案之后，接下来，我们需要返回观察各类别三国人物在各个变量上的表现。根据差异检验的结果，我们以颜色区分出不同类用户在这项指标上的水平高低。

• 聚类解释&命名

在理解和解释用户分类时，最好可以结合更多的数据，例如，三国志12数据等……最后，选取每一类别最明显的几个特征为其命名，就大功告成啦！

下面我们进入主题，同样我们继续利用上次的解决方案，依次步骤如下：





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，并调整变量，变量使用情况包含Ignore（忽略）、Input（输入变量）、Predict（预测变量、输入变量）以及PredictOnly（预测变量），如图所示：

而在挖掘模型上点击鼠标右键，选择“设置算法参数”针对方法论的参数设置加以编辑，其中包含：
CLUSTER_COUNT：指定算法所要建立的聚类的近似数目。如果无法从数据中建立聚类的近似数目，算法便会尽可能建立聚类。若将CLUSTER_COUNT设置为0，则算法便会使用启发式决定所应建立的聚类数目，默认值为10。
CLUSTER_SEED：指定在模型建立的初始阶段，用于随机产生聚类的种子数。
CLUSTERING_METHOD：算法使用的聚类方法可以是可扩展的EM（1）、不可扩充的EM（2）、可扩充的K-means（3）或不可扩充的K-means（4）。
MAXIMUM_INPUT_ATTRIBUTE：指定在调用功能选项之前，算法可以处理输入属性的最大数目。将此值设置为0，会指定没有属性最大数目的限制。
MAXIMUM_STATES：指定算法所支持属性状态的最大数目。如果属性拥有的状态数目大于状态的最大数目，算法会使用属性最常用的状态并将其他的状态视为遗漏。
MINIMUM_SUPPORT：此参数指定每个聚类中的最小案例数目。
MODELLING_CARDINALITY：此参数指定聚类处理期间建构的范例模型数目。
SAMPLE_SIZE：指定如果CLUSTERING_METHOD参数设置为可扩充的聚类方法时，算法使用在每个行程上的案例数目。将SAMPLE_SIZE设置为0会导致整个数据集在单一进程中聚类，如此可能会造成内存和效率的问题。
STOPPING_TOLERANCE：指定用来决定何时到达聚合以及算法完成建立模型的值。当聚类概率的整体变更小于SHOPPING_TOLERANCE除以模型大小的比率时，就到达聚合。

挖掘模型查看器则是呈现此聚类分析结果，其中聚类图表则是表现各类关联性的强弱，对于数据的分布进一步加以了解。而在每一聚类结点上，点击右键，再出现的菜单上选择“钻取”，则可以浏览属于这一类的样本数据特征。

从“分类剖面图”了解因变量与自变量间的关联性强弱程度，如图

“分类特性”主要是呈现每一类的特性，见图


在“分类对比”上，主要就是呈现出两类间特性的比较，如图

参考文献：
Microsoft 聚类分析算法
http://msdn.microsoft.com/zh-cn/library/ms174879.aspx