无监督学习

常见机器学习算法包括线性回归、逻辑回归、决策树、随机森林、支持向量机等，可用于分类、回归、聚类等任务。

tSNE是一种无监督学习算法，用于数据降维。无监督学习不需要标签，寻找数据内在结构；监督学习需要标签，训练模型进行预测。

在SPSS中，有两种主要的聚类方法：K-中心聚类和系统聚类。K-中心聚类，也被称为K均值聚类，根据MacQueen算法进行，适用于较大的数据集，可以达到几十万行。这个过程首先对聚类种子点进行预测，然后开始迭代，交替执行两个操作：指定点给聚类和重新计算聚类中心。当明确所需要分出的类别数时，采用快速聚类可以节省运算时间。需要注意的是，此方法只能对样品进行聚类，所使用的变量必须都是连续性变量。，，系统聚类，也被称为分层聚类法，不仅可以对样品进行聚类，还可以对变量进行聚类，变量可以是连续性或分类变量。实际操作中，例如要对数据x2、x3、x4、x5、x6、x7、x8进行系统聚类分析，可以将它们添加到变量，将x1（即地区）添加到个案标注依据。，，无论选择哪种聚类方法，都需要记住一些操作要点。在进行k-均值聚类之前，可能需要先进行数据标准化。还需要根据计算结果来确定聚类的数目。