聚类分析第二讲摘要.pptVIP

分类统计量 数据分类（计量尺度）：分类数据、顺序数据和数值型数据 一.数据资料矩阵的标准化处理 二. 距离和相似系数 1．距离：此处我们将每个样品看成是m维空间中的一个点，并在空间中定义距离。 根据样本间距离的远近将样本进行划分。 聚类分析中常用的距离公式： 1) 闵氏(Minkowski )距离 二维空间欧式距离 2) 马氏(Mahalanobis)距离 Proc fastclus maxcluster= data=文件名 seep=文件名 mean=文件名 out=文件名 ; var variable-list; run; Maxcluster = n 快速聚类程序 指定所允许的最大分类个数 seep= 指定一个SAS数据集，其中包括要选择的 初始凝聚点，可以缺省 Mean= 生成一个输出数据集，其中包含每个类的均值和一些统计量 Out= 生成一个输出数据集，其中包含原始数据和新变量CLUSTER和DISTANCE * * * * * * * * * 将p和q合并为k，则k类的样品个数为 设聚类到某一步，类p与 q分别有样品 、 个， k类与任一类 r 的距离为 　 ②　　 ③　　 ④　　 ⑤ ① ② ③ ④ 13 104 260 272 89 221 245 36 40 4 计算5个样品两两之间的距离 记为距离矩阵 （采用欧氏距离）， 2. 合并距离最小的两类为新类，按顺序定为第６类。 　⑥＝ 例 类平均法 3、计算新类⑥与各当前类的距离， 得距离矩阵如下： 　②　　 ③　　　⑥ ① ② ③ 　13 104 266 89 233 38 为最小， ⑦= 　⑥ 　 ⑦ ③ ⑥ 　38 96.5 249.5 4、重复步骤2、3，合并距离最近的两类为新类，直到所有的类并为一类为止。 为最小，⑧= 5、 6、按聚类的过程画聚类谱系图 4 5 ⑥ ⑨ ⑧ 并类距离 3 1 2 ⑦ 7、决定类的个数与类。 观察此图，我们可以把5个样品分为3类， 、 、 。 六、差平方和法（Ward法 ） 反映样品之间的差异程度 设变量X的n个样品观察值为： n个样品的离差平方和为： ? ? ? ? ? ? ? ? ? ? ? q ? ? ? ? ? ? ? ? ? ? ? ? ? p k 设类p和q分别含有np、nq个样品，其离差平方和分别记为 和 直观上容易想到把两群样品聚为一大群，大群的离差平方和将超过原来两个群的离差平方和之和。 如果将p和q并类得到新类k，则类k的离差平方和为 把增加的量记为 定义类p和q之间的距离为： 设类p和q分别含有np、nq个样品，其离差平方和分别记为 和 可以推得新类 k与任一类 r 的距离： 　 ②　　 ③　　 ④　　 ⑤ ① ② ③ ④ 6.5 52 130 136 44.5 110.5 122.5 18 20 2 计算5个样品两两之间的距离 记为距离矩阵 （采用欧氏距离）， 2. 合并距离最小的两类为新类，按顺序定为第６类。 　⑥＝ 例 离差平方和法（Ward法） 两样品间的距离的平方恰为它们之间欧氏距离平方的一半。 3、计算新类⑥与各当前类的距离， 得距离矩阵如下： 　②　　 ③　　　 ⑥ ① ② ③ 　6.5 52 176.67 44.5 154.67