Ⅰ 主成分分析法和聚類分析法的區別
聚類分析法是理想的多變數統計技術，主要有分層聚類法和迭代聚類法。 聚類分析也稱群分析、點群分析，是研究分類的一種多元統計方法。
指標（變數）之間存在程度不同的相似性（親疏關系——以樣品間距離衡量）。於是根據一批樣品的多個觀測指標，具體找出一些能夠度量樣品或指標之間相似程度的統計量，以這些統計量為劃分類型的依據。把一些相似程度較大的樣品（或指標）聚合為一類，把另外一些彼此之間相似程度較大的樣品（或指標）又聚合為另一類，直到把所有的樣品（或指標）聚合完畢，這就是分類的基本思想。 在聚類分析中，通常我們將根據分類對象的不同分為Q型聚類分析和R型聚類分析兩大類。
R型聚類分析是對變數進行分類處理，Q型聚類分析是對樣本進行分類處理。
R型聚類分析的主要作用是： 1、不但可以了解個別變數之間的關系的親疏程度，而且可以了解各個變數組合之間的親疏程度。
2、根據變數的分類結果以及它們之間的關系，可以選擇主要變數進行回歸分析或Q型聚類分析。
Ⅱ 數據挖掘中分類分析和聚類分析的區別
簡單地說，分類(Categorization or Classification)就是按照某種標准給對象貼標簽(label)，再根據標簽來區分歸類。聚類是指事先沒有「標簽」而通過某種成團分析找出事物之間存在聚集性拍液原因的過程。
分類分析 和 聚類分析，分別是挖掘中分析這兩種方法（分類和聚類）的方法，比如分類分析的內容有分析在此樣本情況下能夠被分類的程度，並且依據此分析重新分布數據，液含使得數據更容易被分析，相關技術有多類判別分析、主成分分析。聚類分析指類似的能夠衡量一個聚類方法的方法。小弟拙見，也是數據挖掘初學者。
關於數據挖掘的相關學習，推薦CDA數據師的相關課程，課程內容兼顧培養解決數據挖掘流程問題的橫向能力以及解決數據挖鬧賀笑掘演算法問題的縱向能力。要求學生具備從數據治理根源出發的思維，通過數字化工作方法來探查業務問題，通過近因分析、宏觀根因分析等手段，再選擇業務流程優化工具還是演算法工具，而非「遇到問題調演算法包」。真正理解商業思維，項目思維，能夠遇到問題解決問題。點擊預約免費試聽課