兩步聚類算法是在SPSS Modeler中使用的一種聚類算法，是BIRCH層次聚類算法的改進(jìn)版本?？梢詰?yīng)用于混合屬性數(shù)據(jù)集的聚類，同時加入了自動確定最佳簇數(shù)量的機(jī)制，使得方法更加實用。本文在學(xué)習(xí)文獻(xiàn)[1]和“IBM SPSS Modeler 15 Algorithms Guide”的基礎(chǔ)上，融入了自己的理解，更詳盡地敘述兩步聚類算法的流程和細(xì)節(jié)。閱讀本文之前需要先行學(xué)習(xí)BIRCH層次聚類算法和對數(shù)似然距離。
兩步聚類算法，顧名思義分為兩個階段：
1）預(yù)聚類（pre-clustering）階段。采用了BIRCH算法中CF樹生長的思想，逐個讀取數(shù)據(jù)集中數(shù)據(jù)點，在生成CF樹的同時，預(yù)先聚類密集區(qū)域的數(shù)據(jù)點，形成諸多的小的子簇（sub-cluster）。
2）聚類（clustering）階段。以預(yù)聚類階段的結(jié)果——子簇為對象，利用凝聚法（agglomerative hierarchical clustering method），逐個地合并子簇，直到期望的簇數(shù)量。
兩步聚類算法的關(guān)鍵技術(shù)如圖所示：
延伸閱讀
學(xué)習(xí)是年輕人改變自己的最好方式