一 、前提條件：
1.變量之間不存在多重共線性；
2.變量服從正態分布；
二、原理：
第一步，預聚類、准聚類過程：
構建聚類特征樹（CFT），分成很多子類。
開始時，把某個觀測量放在樹的根節點處，它記錄有該觀測量的變量信息，然后根據指定的距離測度作為相似性依據，使每個后續觀測量根據它與已有節點的相似性，放到最相似的節點中，如果沒有找到某個相似性的節點，就為它形成一個新的節點。
第二步，正式聚類：
將以第一步完成的預聚類作為輸入，對之使用分層聚類的方法進行再聚類（對數似然函數）。
每一個階段，利用施瓦茲貝葉斯信息准則（BIC）評價現有分類是否適合現有數據，
並在最后給出符合准則的分類方案。
三、優點：
1.海量數據處理；
2.自動標准化數據；
3.能夠處理分類變量和連續變量的混合數據；
4.可自動丟棄異常值或者將異常值歸入最近的類。
5.可自動確定或者根據業務需要人工指定分類數目；