解释K 均值聚类的主要结果

请完成以下步骤来解释 k 均值聚类分析。主要输出包括最终分割中聚类的观测值和变异性度量。

步骤 1：检查最终分组

基于您指定的初始分割，检查最终分组并查看最终分割中的聚类是否具有直观意义。检查每个聚类中的观测值个数是否符合您的分组目标。如果一个聚类包含过少或过多观测值，您可能要使用另一个初始分割重新运行分析。

点群数	3
标准化变量	是

	观测值个数	类内平方和	到质心的平均距离	到质心的最大距离

聚类1	4	1.593	0.578	0.884
聚类2	8	8.736	0.964	1.656
聚类3	10	12.921	1.093	1.463

在这些结果中，Minitab 根据指定的初始分割将 22 家公司的数据聚类到 3 个聚类。聚类 1 包含 4 个观测值，代表更大的成熟公司。聚类 2 包含 8 个观测值，代表中等成长型公司。聚类 3 包含 10 个观测值，代表新公司。商业分析师认为这些最终分组对于数据是足够的。

要查看每个观测值所属的聚类，必须在执行分析时输入存储列。Minitab 将各个观测值的聚类成员存储在工作表的列中。

使用到质心的距离度量检查每个聚类内观测值的变异性。具有较高值的聚类表明聚类内观测值的变异性较高。如果聚类之间的变异性差别过大，则可能要使用另一个初始分割重新运行分析。

点群数	3
标准化变量	是

	观测值个数	类内平方和	到质心的平均距离	到质心的最大距离

聚类1	4	1.593	0.578	0.884
聚类2	8	8.736	0.964	1.656
聚类3	10	12.921	1.093	1.463

在这些结果中，聚类 1 到质心的平均距离最小 (0.578)，聚类 3 到质心的平均距离最大 (1.093)。这表明聚类 1 的变异性最小、聚类 3 的变异性最大。但是，聚类 1 的观测值最少 (4)，聚类 3 的观测值最多 (10)，这在一定程度上解释了变异性的差异。