Dieses Buch führt in die grundlegenden Ansätze des Clusterns, Segmentierens und der Faktorextraktion ein. Kapitel 1 behandelt die Clusteranalyse. Nach einem intuitiven Beispiel anhand des Clusterns von Muscheln am Strand und den zugrundeliegenden, oft unausgesprochenen Cluster-Prinzipien werden unter anderem die hierarchische, partitionierende und das TwoStep-Verfahren vorgestellt. Bei der hierarchischen Clusteranalyse (CLUSTER) werden die diversen Masse (z. B. quadrierte euklidische Distanz, Pearson-Korrelation, Chi²-Mass etc.) und die jeweiligen Algorithmen (Density, Linkage, Ward etc.) einschliesslich ihrer Bias (z. B. Ausreisser, Chaining) erläutert. Anhand zahlreicher Beispiele wird gezeigt, wie Intervalldaten, Häufigkeiten, Kategorialdaten sowie gemischte Daten geclustert werden. Bei der partitionierenden Clusterzentrenanalyse (k-means, QUICK CLUSTER) lernen Sie Teststatistiken zur Bestimmung der Clusterzentren kennen.