spss的聚类课题.pptVIP

K-Means Cluster算法描述 K-Means算法描述： 输入：聚类个数K，以及包含n个数据对象的数据库 输出：满足方差最小标准的K个聚类 处理流程： Step1 从n个数据对象任意选择K个对象作为初始聚类中心； Step2 根据簇中对象的平均值，将每个对象重新赋给最类似的簇； Step3 更新簇的平均值，即计算每个簇中对象的平均值； Step4 循环Step2到Step3直到每个簇类不再发生变化为止， [例]假定我们对A、B、C、D四个样品分别测量两个变量和得到结果见表： 试将以上的样品聚成两类。K 2 第一步：按要求取K 2，为了实施均值法聚类，我们将这些样品随意分成两类，比如（A、B）和（C、D），然后计算这两个聚类的中心坐标， 第二步：计算某个样品到各类中心的欧氏平方距离，然后将该样品分配给最近的一类。对于样品有变动的类，重新计算它们的中心坐标，为下一步聚类做准备。先计算A到两个类的平方距离： 由于B到（A、B）的距离大于到（C、D）的距离，因此B要分配给（C、D）类，得到新的聚类是（A）和（B、C、D）。更新中心坐标如下： 第三步：再次检查每个样品，以决定是否需要重新分类。计算各样品到各中心的距离平方，得结果如下： 到现在为止，每个样品都已经分配给距离中心最近的类，因此聚类过程到此结束。最终得到K 2的聚类结果是A独自成一类，B、C、D聚成一类。 实例1：基于K均值聚类分析的星级饭店区域发展水平实证研究 1.K均值聚类分析参数设置 聚类数目设置为 5，将31个省市区星级饭店发展水平分为五类；最大迭代次数设置为 20，收敛准则设置为0.01。 2.K均值聚类分析初始类中心数据 3.迭代记录 4.K均值聚类分析结束中心数据 依据表5的数据，全国31个省市区星级饭店行业发展水平存在着比较明显的分层：第一类：北京；第三类：上海、广东；第五类：江苏、浙江、山东、辽宁；第四类：河北、安徽、福建、河南、湖北、湖南、广西、海南、四川、云南、陕西、新疆；第二类：天津、山西、内蒙古、吉林、黑龙江、江西、重庆、贵州、甘肃、西藏、青海、宁夏。 分层数据基本上与地区经济发展水平和旅游业发展水平相符，北京、上海、广东是中国环渤海经济区、长三角经济区、珠三角经济区的核心区域，星级饭店行业发展水平处于领先水平。 辽宁、山东、江苏、浙江是沿海经济发达地区，星级饭店行业发展水平比较高，第三类基本上是中国GDP位于全国中游或旅游业发展比较有特色的地区，第二类是全国星级饭店行业发展水平较低的区域。 实例2：基于Ｋ-均值聚类分析的河北省区域社会经济持续发展等类研究 本文建立了一个区域社会经济可持续发展的评价指标体系,指标分为三级,一级为评价体系,二级为四个分项,人力资源 人口数、人口自然增长率 、科技能力 人才密度指数、专业技术人才数 万人 、区域内社会 医生数、消费价格指数 、经济自身 区域ＧＤＰ、ＧＤＰ增长率 表1 。 表2显示是系统自动指定的五个初始类中心点，初始类中心点分别选择以下地区：北京、宁夏、广东、海南、山东，初始类中心点基本上包括了31个省市区的各个层次，具有一定的代表性，但一般情况下不是最好的，要通过迭代过程寻找更好的类中心点代替初始类中心点。 表3给出了五个类中心每次迭代时的变化，第三次迭代后，五个类中心点变化均小于指定的收敛规则（0.01），达到聚类结果的要求，聚类分析结束。 表4显 示 了 五 个 类 的 最 终 聚 类 中 心 ，可 以 看出 ，第 一 类 各 指 数 相 对 来 讲 较 高 ，第 三 类 次 之 ，第二类最低。 5.K均值聚类分析的类成员列表 注:ａ.由于聚类中心内没有改动或改动较小而达到收敛。任何中心的最大绝对坐标更改为.000。当前迭代3。初始中心间的最小距离为座机电话号码378.649。 处理结果在原始数据中会有QCL-1的对应值,它们对应各地区依次为1、2、2、2、1、2、3、3、2、2、3。表3显示了3个类的初始类中心情况,可以看出,第一类的各类指标值总体上是最优的,往下依次为第二类、第三类。表4展示了3个类中心点每次迭代的偏移情况,可知第一次迭代3个类的中心点分别偏移了2.739Ｅ9、9.018Ｅ9、5.430Ｅ9,直到第三次迭代3个类的中心点偏移才达到指定判定标准 0 。表5展示了3个类的最终类中心情况,总体来看,第一类各指标值仍是最优的。表6给出了各类中的样品数目,第一类包括2个地区,第二类包括6个地区,第三类包括3个地区。从QCL-1值对应地区来看,第一类是石家庄、唐山;第二类是承德、张家口、秦皇岛、廊坊、衡水、邢台;第三类是保定、沧州、邯郸。 聚类以物 分群以人 聚类分析 SPSS操作 * 聚类分析 —把对象分类 专业：国际贸易学