【正文】 信息 .為解釋因不同算法使同樣數(shù)據(jù)產(chǎn)生不同結(jié)果，必須注意判斷不同的方式 .對遺傳學(xué)家來說，正確解釋來自任一算法的聚類內(nèi)容的實際結(jié)果是困難的（特別是邊界） .最終，將需要經(jīng)驗可信度通過序列比較來指導(dǎo)聚類解釋 . 第二個局限由線性相關(guān)產(chǎn)生 .上述的所有聚類方法分析的僅是簡單的一對一的關(guān)系 .因為只是成對的線性比較，大大減少發(fā)現(xiàn)表達(dá)類型關(guān)系的計算量，但忽視了生物系統(tǒng)多因素和非線性的特點 . 從統(tǒng)計學(xué)的觀點看，聚類分析是通過數(shù)據(jù)建模簡化數(shù)據(jù)的一種方法 .傳統(tǒng)的統(tǒng)計聚類分析方法包括系統(tǒng)聚類法、分解法、加入法、動態(tài)聚 類法、有序樣品聚類、有重疊聚類和模糊聚類等 .采用 k均值、 k中心點等算法的聚類分析工具已被加入到許多著名的統(tǒng)計分析軟件包中，如 SPSS、 SAS 等 . 從機(jī)器學(xué)習(xí)的角度講，簇相當(dāng)于隱藏模式 .聚類是搜索簇的無監(jiān)督學(xué)習(xí)過程 .與分類不同，無監(jiān)督學(xué)習(xí)不依賴預(yù)先定義的類或帶類標(biāo)記的訓(xùn)練實例，需要由聚類學(xué)習(xí)算法自動確定標(biāo)記，而分類學(xué)習(xí)的實例或數(shù)據(jù)對象有類別標(biāo)記 .聚類是觀察式學(xué)習(xí)，而不是示例式的學(xué)習(xí) . 從實際應(yīng)用的角度看，聚類分析是數(shù)據(jù)挖掘的主要任務(wù)之一 .就數(shù)據(jù)挖掘功能而言，聚類能夠作為一個獨(dú)立的工具獲得數(shù)據(jù)的分布狀況，觀 察每一簇數(shù)據(jù)的特征，集中對特定的聚簇集合作進(jìn)一步地分析 . 聚類分析還可以作為其他數(shù)據(jù)挖掘任務(wù)（如分類、關(guān)聯(lián)規(guī)則）的預(yù)處理步驟 . 一般的 ,聚類分析有二階聚類分析（ TwoStep Cluster Analysis）、逐步聚類分析（ KMeans Cluster）和系統(tǒng)聚類分析；聚類分析（ Cluster Analysis）又稱集群分析 ,它是按“物以類聚”的原則研究事物分類的一種多元統(tǒng)計分析方法 ,根據(jù)樣品的多指標(biāo)（變量）、多個觀察數(shù)據(jù) ,定量地確定樣品、指標(biāo)之間存在的相似性或親疏關(guān)系 ,并根據(jù)此連結(jié)這些樣品或指標(biāo)歸成大 小類群 ,構(gòu)成分類樹狀圖（ Dendrogram）或冰柱圖（ Icicle） . 聚類分析的優(yōu)點是簡單直觀 ,大部分用于探討研究 ,可以提供多種分析的結(jié)果 ,并且可以讓研究陜西理工學(xué)院畢業(yè)論文 第 3 頁 共 11 頁 人員根據(jù)自己的研究方向進(jìn)行判斷與選擇 .聚類分析完全依賴于研究人員對該分析所選擇的相關(guān)聚類變量 ,變量的選擇或增減都有可能會對結(jié)果造成實質(zhì)性的影響 ,總的來說聚類分析對研究人員的研究十分方便！ GDP 及影響因素分析 隨著改革開放的進(jìn)行 ,我國進(jìn)入了一個前所未有的經(jīng)濟(jì)飛速發(fā)展時期 ,整體經(jīng)濟(jì)實力與日俱增 .但是 ,我們也應(yīng)該看到各個 地區(qū)的發(fā)展不平衡 ,沿海地區(qū)發(fā)展較快 ,經(jīng)濟(jì)增長也較快 ,而中西部發(fā)展相對較慢 .因此 ,基于這種現(xiàn)狀 ,本文對全國各地區(qū)的經(jīng)濟(jì)進(jìn)行聚類分析 .我選取了各省的國內(nèi)生產(chǎn)總值X農(nóng)業(yè)生產(chǎn)總值 X工業(yè)生產(chǎn)總值 X建筑業(yè)生產(chǎn)總值 X進(jìn)出口總值 X批發(fā)企業(yè)銷售額 X6和餐飲業(yè) X7這 7個指標(biāo)進(jìn)行聚類分析 . 根據(jù) 2021年國家統(tǒng)計年鑒 ,選取了 2021年 30個省、直轄市、自治區(qū)的 7項經(jīng)濟(jì)指標(biāo) ,如下表 . 2021年我國 30個省、直轄市、自治區(qū)的各項經(jīng)濟(jì)指標(biāo)數(shù)據(jù)統(tǒng)計 單位：億元 地區(qū) 國內(nèi)生產(chǎn)總值 (X1) 農(nóng)業(yè)生產(chǎn)總值(X2) 工業(yè) 生產(chǎn)總值(X3) 建筑業(yè)生產(chǎn)總值(X4) 進(jìn)出口總值 (X5) 批發(fā)企業(yè)銷售額 (X6) 餐飲業(yè)(X7) 北京 34297216 5334148 天津 15641917 4488051 河北 23328055 1343558 山西 16501463 163150 內(nèi)蒙古 9129264 108694 遼寧 28557785 3076882 吉林 10241235 555747 黑龍江 12351015 78345 上海 32476545 18670215 江蘇 89289353 25969712 浙江 88614109 6929148 安徽 19598071 523140 福建 19415838 4377455 江西 11853294 770607 山東 40516317 7559835 河南 32202197 376612 湖北 30468409 703772 湖南 23234734 182177 廣東 29806043 38241318 廣西 8758730 367765 海南 1366053 301396