教程传送门：
SPSS Modeler18.0数据挖掘软件教程（一）：背景及软件简介
SPSS Modeler18.0数据挖掘软件教程（二）：数据描述性统计与可视化
SPSS Modeler18.0数据挖掘软件教程（三）：逻辑回归分析
SPSS Modeler18.0数据挖掘软件教程（四）：分类分析-决策树
SPSS Modeler18.0数据挖掘软件教程（五）：分类分析-KNN
1、数据介绍
本节教程中将利用SPSS Modeler18.0对数据进行聚类分析，所用数据集为自带汽车销售数据集《car_sales.xlsx》，目标是根据每款汽车在不同属性上的值，对各个汽车进行聚类。本教程所涉及的数据集我也整理了一份放在云盘，提取码: ktyb，需要的朋友可以直接下载。《car_sales.xlsx》 数据结构如下：
接下来需要根据每款汽车的type、price、engine_s、horsepow等指标上的值对汽车进行聚类。
2、操作步骤
利用SPSS Modeler18.0针对《car_sales.xlsx》数据建立如下K-Means聚类模型进行聚类分析：
具体步骤如下：
在【源】节点中选择【Excel】数据源，导入数据源。
将【输出】节点中的【数据审核】节点拖入构建区，点击【运行】对数据进行审核。
将【字段选项】中的【类型】节点拖入构建区与数据源进行连接，对各字段的测量值、角色进行设置。
将【建模】中的【K-Means】模型节点拖入构建区与【类型】节点相连。
在【字段】选项卡中选择使用预定义角色，在【模型】选项卡中设置好【聚类数】。
点击【运行】，得到K-Means模型运行结果,双击结果查看模型结果。在【模型】选项卡下，通过左边的模型概要，看到一共使用了十个输入变量，最后划分成4个聚类群，聚类质量为良好。通过右边的聚类大小，看到聚类结果每个类的分布情况。
在右边查看中下拉选择【预测变量的重要性】，看到不同自变量重要性情况如下：
左边查看下拉选择【聚类】，右边查看下拉选择【单元格分布】，在左边可以看到不同类别在不同属性上的均值，右边可以看到某个具体属性在某个类的分布情况。
当在左边选中某个类别的整个一列时，右边则会显示【聚类比较】的图。
在左边按住ctrl同时选中多个类别的话，右边则会对不同类进行比较，方便查找差异。
对于K-Means输出的结果，可以利用表格查看。将【输出】中的【表格】拖入构建区，连接到K-means输出结果中，点击运行查看结果。
对于不同聚类结果之间的对比也可以借助【记录】选项中的【汇总】节点分类汇总得到不同类的均值。
在汇总后，选择【图行】中的【图形板】，选中每个均值，绘制平行图。在平行图的详细选项卡中，，将【色彩】选为聚类类别。
点击运行后，得到各个类，在每个指标上的均值，便于比较。
3、小结
本节教程中，主要讲解了利用SPSS Modeler18.0进行K-Means聚类分析，详细阐述了从数据导入到模型参数设置的步骤，并对K-Means输出结果进行了详细解释。