77马坤鹏聚类分析实验报告要点.doc

合肥学院数理系 实 验 报 告 实验名称： 聚类分析 面向专业： 信息与计算科学 实验班级： 12级数理系信息班 课程名称： 数据分析 学生姓名： 马坤鹏 学 号： 1207011017 指导教师： 张林松 实验成绩： 2014-2015学年第二学期 1、实验内容 为了更深入了解我国人口的文化程度状况，现采集2000年全国人口普查数据对全国30个省、直辖市、自治区的人口文化程度的数据。观测选用了三个指标：（1）大学以上文化程度的人口占全部人口的比例（DXBC）（2）初中文化程度的人口占全部人口的比例（CZBC）（3）文盲、半文盲人口占全部人口的比例（WMBZ），分别用来反映较高、中等、较低文化程度人口的状况。? 数据列： 编号 DXBL CZBL WMBL 北京 1 9.3 30.55 8.7 天津 2 4.67 29.38 8.92 河北 3 0.96 24.69 15.21 山西 4 1.38 29.24 11.3 内蒙 5 1.48 25.47 15.39 辽宁 6 2.6 32.32 8.81 吉林 7 2.15 26.31 10.49 黑龙江 8 2.14 28.46 10.87 上海 9 6.53 31.59 11.04 江苏 10 1.47 26.43 17.23 浙江 11 1.17 23.74 17.46 安徽 12 0.88 19.97 24.43 福建 13 1.23 16.87 15.63 江西 14 0.99 18.84 16.22 山东 15 0.98 25.18 16.87 河南 16 0.85 26.25 16.15 湖北 17 1.57 23.16 15.79 湖南 18 1.14 22.57 12.1 广东 19 1.34 23.04 10.45 广西 20 0.79 19.14 10.61 海南 21 1.24 22.53 13.97 四川 22 0.96 21.65 16.24 贵州 23 0.78 14.65 24.27 云南 24 0.81 13.85 25.44 西藏 25 0.57 3.85 44.43 陕西 26 1.67 24.36 17.62 甘肃 27 1.1 16.85 27.93 青海 28 1.49 17.76 27.7 宁夏 29 1.61 20.27 22.06 新疆 30 1.85 20.66 12.75 2、实验目的 为了科学评价个地区人口文化状况，以便为教育文化投资的流向和政策的制定提供合理的依据，我们需要对各省区进行分类。? 使用系统聚类方法，距离使用类平均法。 使用系统聚类方法，距离使用可变类平均法 3、实验方案分析 该问题系统聚类分析是聚类分析中应用的最广泛的一种方法。首先将n个样品每个自成一类，然后每次将具有最小距离的两类合并成一类，合并后重新计算类与类之间的距离，这个过程一直持续到所有样品归为一类为止。分类结果可以画成一张直观的聚类谱系图。应用系统聚 4/12 类法进行聚类分析的步骤如下： ①确定待分类的样品的指标 ②收集数据 ③对数据进行变换处理 ④使各个样品自成一类，即n个样品一共有n类 ⑤计算各类之间的距离，得到一个距离对称矩阵，将距离最近的两个类并成一类 ⑥并类后，如果类的个数大于1，那么重新计算各类之间的距离，继续并类，直至所有样品归为一类为止 ⑦最后绘制系统聚类谱系图，按不同的分类标准或不同的分类原则，得出不同的分类结果。 4、操作过程： data mkp; input group $ x1-x3; cards; 地区 DXBL CZBL WMBL 北京 9.3 30.55 8.7 天津 4.67 29.38 8.92 河北 0.96 24.69 15.21 山西 1.38 29.24 11.3 内蒙 1.48 25.47 15.39 辽宁 2.6 32.32 8.81 吉林 2.15 26.31 10.49 黑龙江 2.14 28.46 10.87 上海 6.53 31.59 11.04 江苏 1.47 2