多元统计分析聚类分析.pptxVIP

Cluster Analysis ;第一节 什么是聚类分析; 聚类分析也是一种分类技术。是研究“物以类聚”的一种方法。与多元分析的其他方法相比，该方法理论上还不完善，但由于它能解决许多实际问题，很受人们的重视，应用方面取得了很大成功。;举 例;应聘者得分如下;第六页，共一百零七页。;例如,对上市公司的经营业绩进行分类； 例如，根据经济信息和市场行情，客观地对不同商品、不同用户及时地进行分类。 例如,当我们对企业的经济效益进行评价时，建立了一个由多个指标组成的指标体系，由于信息的重叠，一些指标之间存在很强的相关性，所以需要将相似的指标聚为一类，从而达到简化指标体系的目的。 ;聚类分析内容;第二节距离和相似系数; 描述亲疏程度有两个途径： 1、把每个样品看成p维（变量的个数为 p个）空间的一个点，在p维坐标中， 定义点与点之间的距离。 2、用某种相似系数来描述样品之间的亲 疏程度。;变量的类型;聚类的种类;1、对样品分类（Q型）常用的距离与相似系数的定义;样本资料矩阵;（1）距离;定义距离的准则;距离矩阵;明氏（Minkowski ）距离;绝对值距离;绝对值距离实例;欧式（Euclidian ）距离;二维空间欧式距离;欧氏Euclidian距离实例;切比雪夫距离;变量标准化;标准化欧式距离;马氏Mahalanobis 距离;Mahalanobis 距离实例;兰氏 Canberra距离;距离矩阵;例 题;（2）相似系数;2、对指标（变量）分类（R型）;相似系数的定义; 夹角余弦（Cosine）;相似矩阵; 相关系数;相似矩阵;第三节 八种系统聚类方法（hierarchical clustering method）;将n个样品各作为一类; 类与类之间的距离 ;（一）最短距离法(single linkage，nearest neighbor) ;递推公式;例1 ;D（0）;D（1）;D（2）;D（3）;聚类谱系图;最短距离法聚类的步骤;（二）最长距离法;递推公式;D（0）;D（1）;D（2）;D（3）;第五十七页，共一百零七页。;（三）中间距离法Median method;如果在某一步将类Gp与Gq类合并为Gr，任一类Gk和新Gr的距离公式为： 当 时，由初等几何知就是上面三角形的中线。;D2（0） G1 G2 G3 G4 G5;D2（1） G6 G3 G4 G5;D2（2） G7 G4 G5; D2（3） G7 G8 ;（四）重心法; ;;D2（1） G6 G3 G4 G5;D 2（2） G7 G4 G5; D2（3） G7 G8 ;（五）类平均法（Between-group Linkage);递推公式;D2（0） G1 G2 G3 G4 G5;D2（1） G6 G3 G4 G5;D 2（2） G6 G7 G3; D2（3） G7 G8 ;（六）可变类平均法;（七）可变法;（八）离差平方和法(ward法） ;D2（0） G1 G2 G3 G4 G5;D2（1） G6 G3 G4 G5;D 2（2） G6 G7 G3; D2（3） G7 G8 ;第八十三页，共一百零七页。;离差平方和法(ward法）; 方法;例1 :为了更深入了解我国人口的文化程度状况，现利用1990年全国人口普查数据对全国30个省、直辖市、自治区进行聚类分析。分析选用了三个指标： (1)大学以上文化程度人口占全部人口的比例（DXBZ）； (2)初中文化程度的人口占全部人口的比（CZBZ）； (3)文盲半文盲人口占全部人口的比例（WMBZ）、 用来反映较高、中等、较低文化程度人口的状况，原始数据如下表： ;1990年全国人口普查文化程度人口比例（%）;