群数的判断：

   陡坡图判断：如用华德法，各分群阶段SS系数可画成陡坡图。

   1..R-squared  。逐渐减小

2.semipartial R square：由小到大逐渐增大 

每次聚一次，都会有SS值。找到最优

3.找平均轮廓系数：Si = bii- ai/bi  轮廓系数大一点好，但有时也要考虑大小是否分布平均

K均值法：找个虚拟点，算平均值。然后再找其他虚拟点，再算只能处理数值型字段。不是最佳。

男女分开用K均值法。

PAM算法：保证每次跑出来最佳。拿真正的数据点当群中心。找到SS值最小。

SOM算法：

单一链结法：选距离小的  最接近的

完全链接法：选距离远的

平均链接法：距离平均。这个方法好。

阶层式聚类法：不适合数据

    中心法：

    华德法：把几个合在一起，如果组内SS值最小 ，则证明合适

矩阵：距离的计算。   一共有N比数据

二元变量（两个属性）：变量的值只有两个。如性别

计算两笔数据的距离：d(jack,mary):r+s/qrst相加

距离最小最有可能一样

输入属性有不同类型变量的距离计算：

 数值（interval）  类别（Nominal）。二元（binary）   顺序性（ordinary）

计算街区距离：也叫做直角距离 

     d（1,2）

 欧几里得距离：平方和开根号

如果两个数据集几个不同类型的变量：分别算几个类型的距离，然后加起来求平均值。如果有空值就忽略那个变量。