1、聚类的有效性跟哪些因素有关。 2、 写出某个类内所有样本{}的离差平方和公式。 3、简单距离、层次聚类和动态聚类算法相比，各自的特点是什么（围绕聚类中心和类别划分概述）？

1、聚类的有效性与以下因素有关：数据集的特征、聚类算法的选择、距离度量的方法、聚类的评价指标等。

2、某个类内所有样本的离差平方和公式可以表示为：$S = \sum_{i=1}^{n}(x_i-\overline{x})^2$，其中 $n$ 表示样本数量，$x_i$ 表示第 $i$ 个样本，$\overline{x}$ 表示该类内所有样本的均值。

3、简单距离、层次聚类和动态聚类算法各自的特点如下：
- 简单距离聚类算法是一种基于距离的聚类方法，其特点是简单易懂、计算速度快，但对噪声和异常值比较敏感，且需要预先指定聚类簇数。
- 层次聚类算法是一种自下而上或自上而下的聚类方法，其特点是不需要预先指定聚类簇数，但计算复杂度较高，容易受到噪声和异常值的干扰。
- 动态聚类算法是一种基于时间序列的聚类方法，其特点是能够处理具有时间序列特征的数据，但对于非时间序列的数据效果不佳。同时，动态聚类算法需要对数据进行预处理，如平滑、降维等。在聚类中心和类别划分方面，简单距离聚类和层次聚类算法都是基于距离度量的，而动态聚类算法则更加关注时间序列的相似性，通常采用基于时序距离的聚类方法。