聚类分析2015.07.16.pptVIP

离散变量频数表的图形表示 连续变量在各个类别中的误差图 * 系统聚类法 Hierarchical Cluster 系统聚类法优点： 既可以对观测量（样品）也可对变量进行聚类，既可以连续变量也可以是分类变量，提供的距离计算方法和结果显示方法也很丰富。 系统聚类法缺点： 不适合大样本数据。 K-均值聚类分析 K-means Cluster 又称为快速样本聚类法，是非系统聚类中最常用的聚类法。运用该方法对数据进行分析时，要考虑到数据的量纲差异。 K-均值聚类分析 K-means Cluster K-均值聚类法的步骤： 数据标准化处理： 存储中间过程数据 数据标准化处理，并存储。 指定5类 收敛标准值 存储最终结果输出情况，在数据文件中（QCL-1、QCL-2） 初始聚心选项，输出方差分析表 初始聚类中心表 具体城市看后表 最终聚类中心表 聚类结果：QCL-1说明聚类结果，QCL-2说明聚类的长度情况 K-均值聚类分析 K-means Cluster 优点： 是占内存少、计算量小、处理速度快，特别适合大样本的聚类分析。 缺点： 应用范围有限，要求用户制定分类数目(要告知)，只能对观测量（样本）聚类，而不能对变量聚类，且所使用的聚类变量必须都是连续性变量。 两步聚类法 TwoStep Cluster 一种探索性的聚类方法，是随着人工智能的发展起来的智能聚类方法中的一种。用于解决海量数据或具有复杂类别结构的聚类分析问题。 简单介绍基本原理 分两步进行 第一步：预聚类。对记录进行初始的归类，用户自定义最大类别数。通过构建和修改特征树（CT Free）完成。 第二步：正式聚类。对第一步完成的初步聚类进行再聚类并确定最终的聚类方案，系统根据一定的统计标准确定聚类的类别数目。 两步聚类法 输出各变量在聚类中比重图 输出出聚类饼分图 每个变量做一张条图 每一各类别做两张,分别为连续与离散聚类 重要性测度 1、质心表和频数表 2、聚类分析表 3、自动聚类结果表 聚类数目 数值越小效果越好 BIC相邻两项差值 看数据的峰值，看聚类效果。4、8、10、14类。 BIC准则-Schwartz Bayesian Criterion 相似度分析 我们所研究的指标或数据之间存在不同程度的相似性。 各个类别的性质或特性已知 判别分析 分类 各个类别的性质或特性未知 聚类分析 聚类分析 聚类分析 根据分类对象的不同，聚类分析（cluster analysis）可以分成两种类型。对变量的聚类称为R型聚类，而对观测值（或样本）聚类称为Q型聚类。这两种聚类在数学上是对称的，没有什么不同。 聚类分析把分类对象按一定规则分成若干类，这些类非事先给定的，而是根据数据特征确定的。在同一类中这些对象在某种意义上趋向于彼此相似，而在不同类中趋向于不相似。 Q型聚类分析的主要作用： ⒈可以综合利用多个变量的信息对样本进行分析。 ⒉分类结果直观，聚类谱系图清楚地表现数值分类结果。 ⒊聚类分析所得到的结果比传统分类方法更细致、全面、合理。 R型聚类分析的主要作用： ⒈不但可以了解个别变量之间的亲疏程度，而且可以了解各个变量组合之间的亲疏程度。 ⒉根据变量的分类结果以及它们之间的关系，可以选择主要变量进行Q型聚类分析或回归分析。（R2为选择标准） 聚类分析按照分类方法可分为以下三类： 1、系统聚类法------（分层聚类）系统聚类法是应用最广泛的一种（Hierarchical Cluster过程） 1）聚类原则：都是相近的聚为一类，即距离最近或最相似的聚为 一类。 2）系统聚类法可以用于样本聚类（Q）型，也可以用于变量聚类（R型）。 2、K-均值聚类法-----（ K-中心聚类法）是一种快速聚类法（K-means Cluster) 3、两步聚类法-----一种探索性的聚类方法（TwoStep Cluster） 1、系统聚类法 系统聚类法是目前使用最多的一种聚类方法。它是先将每一个样本或指标看做一类，然后逐渐合并，直至合并为一类的一种合并法。最终可以按照需要来决定分多少类，每类有多少样本（指标）。 系统聚类方法的一般步骤： （1）定义样本之间的距离，以及类与类之间的距离； （2）令每个观测记录各成一类； （3）计算类与类之间的距离，并将距离最近的两个类合并成一个类，类的数目减1； （4）如果当前类的数目大于1，转至第3步；（5）结束聚类过程，