数据分析(第二版) 范金城 梅长林 第6章 聚类分析新.ppt

第6章 聚类分析 6.1 距离与相似系数 6.1.1 聚类分析的基本思想及意义 聚类分析是研究分类问题的多元数据分析方法,它是多元数据分析的重要组成部分.聚类分析有极其广泛的应用背景. 数据矩阵 聚类分析两种类型:按样品聚类或按变量(指标)聚类. 基本思想:样品间定义距离,变量间定义相似系数.按距离或相似系数大小,将样品(或变量)逐一归类,关系密切的聚集到小的分类单位,逐步扩大成大的分类单位,形成谱系图. 例 6.3 (续例6.1) 1991年辽宁、浙江、甘肃、青海5省居民消费,指标变量共8个: 人均粮食支出 人均副食支出 人均烟酒茶支出 人均其他副食支出 人均衣着商品支出 人均日用品支出 人均燃料支出 人均非商品支出 情况见表(单位:元/人) 进行谱系聚类 1)最短距离法 2)最长距离法 3)类平均距离法 最长距离法谱系图 相关矩阵 试对变量 进行聚类分析. 解 变换 得距离矩阵 1) 最长距离法,分为3类. 变量 为1类; 为2类; 为3类. 2) 类平均距离法,分为3类 结果与最长距离法同 3) 最短距离法,分为3类 为1类; 为2类; 为3类. 最长距离法谱系图 1991 1 1223.4 1992 1 4130.8 1993 1 9477.1 1994 1 17262.1 1995 1 24975.6 1996 2 25885.3 1997 2 20686.6 1998 2 16981.3 1999 2 13220.1 2000 2 6625.6 2001 2 1576.2 2002 2 7648.2 2003 2 17692.3 2004