- 1、本文档共76页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第6讲 多元分析;; 聚类分析又称群分析,它是研究分类问题的一
种多元统计方法。所谓类,通俗地说,就是指相似
元素的集合。那么要将相似元素聚为一类,通常选
取元素的许多共同指标,然后通过分析元素的指标
值来分辨元素间的差距,从而达到分类的目的。;聚类分析前的预处理步骤:
1)确定聚类类型:对样品聚类称Q型聚类;
对变量聚类称R型聚类。
;3) 研究样品之间的关系。通常有两种方法:;聚类分析的一般步骤(Q-型分类) ; 进行聚类分析时,由于对类与类之间的距离的定义和理解不同,并类的过程中又会产生不同的聚类方法。常用的系统聚类方法有8种:最短距离法; 最长距离法;中间距离法;重心法;类平均法;可变类平均法;可变法;离差平方和法。;例:从21个工厂中抽出同类产品,每个产品测两个指标,欲将各厂的质量情况进行分类。 ;data ex;input x1 x2 factory$@@;
cards;
/*数据省略*/
;
proc cluster
data=ex method=ward ccc pseudo outtree=tree;
id factory;
run;
proc tree data=tree horizontal;
id factory;
run;; ccc表示要计算半偏R2,R2和ccc立方聚类标准
统计量,这三个统计量和下面的伪F和伪t2统计量,
主要用于检验聚类的效果。当把数据从G+1类合并
为G类时,半偏R2统计量说明了本次合并信息的损
失程度,统计量大表明损失程度大。 R2统计量反映
类内离差平方和的大小,统计量大表明类内离差平
方和小。 ccc统计量的值大说明聚类的效果好。;6.1 聚类分析; Cluster History表示聚类的具体过程,NCL表示当前系统存在类的总个数,Clusters Joined表示当前加入的编号,例如NCL等于20时,是类1,2聚为一类,FREQ表示新类的元素个数。SPRSQ表示类与类间规格化最短距离,RSQ表示R2统计量,ERSQ表示半偏R2统计量,CCC统计量值。PSF为伪F统计量,PST2为伪t2统计量。Tie表示“节”,是指当前类间最小距离不止一个的时候,此时可以任意选择一对最短距离进行聚类,在计算其他类与新类的距离。从CCC统计量的结果可以看出,最大值对应的类数为4。从四类合并为三类时,伪t2统计量显著的增加,伪F统计量下降显著,综合各方面的结果,因此分4类最为合适。;动态聚类图 ; 综合以上分析,可以得到结果,将工厂分为4类,分别为
第1类:f1,f2,f3,f4,f5,f6;
第2类:f7,f8,f9,f10
第3类:f11,f12,f13,f14,f15;
第4类:f16,f17,f18,f19,f20,f21。;肝病的判别; 常用的方法有:距离判别法、Fisher判别法、贝叶斯判别法、逐步判别法。这里仅介绍后两种。; Bayes判别法的基本思想:总是假设对所研究的对象已有一定的认识,计算新给样品属于各总体的条件概率 比较这个概率的大小,然后将新样品判归为来自概率最大的总体。 ; 设有总体 , 具有概率密度函数 。并且根据以往的统计分析,知道 出现的概率为 。即当样本 发生时,求他属于某类的概率。由贝叶斯公式计算后验概率,有:;Bayes判别法的一般步骤 :; 例题:人文发展指数是联合国开发计划署于1990年5月发表的一份人类发展报告中公布的数据如下,试通过已知的样品建立判别函数,误判率是多少?并判断待判的归类.;类别 国家 寿命(X1) 成人识字率%(X2) 调整后GDP(X3)
1 美国 76 99 5374
1 日本 79.5 99 5359
1 瑞士 78 99 5372
1 阿根廷 76.1 95.9 5242
1 阿联酋 7
文档评论(0)