第十二章聚类分析.docVIP

第章 第一节 …,xm)和(y1,y2,…,ym)，那么d(A,B)= 。 例如：某次收视率调查中的部分数据如表1，则1号被访者和2号被访者的“距离”为：d(A,B)= 表1：原始数据 被访者 年龄（岁） 文化程度（年） 日收看电视时间（分） …… X1 X2 X3 …… 1 25 16 40 …… 2 60 6 120 …… 3 42 12 90 …… …… …… …… …… 600 34 14 150 …… =41，S1=20 =12，S2=5 =90，S3=40 …… 上述测量的距离存在问题：（1）同一个变量单位不同会导致不同的距离；（2）不同变量的度量不一致，无法判断变量值大小和变量的重要程度，从而无法判断距离的意义。因而需要对原始数据进行标准化。 表2：标准化数据 被访者 年龄（岁） 文化程度（年） 日收看电视时间（分） …… X1 X2 X3 …… 1 -0.8 0.8 1.25 …… 2 0.95 -1.2 0.75 …… 3 0.05 0.0 0.00 …… …… …… …… …… 600 -0.35 0.4 1.50 …… =0，S1=1 =0，S2=1 =0，S3=1 …… 2、SPSS聚类分析中提供的距离 （1）欧式距离（EUCLID），等于 （2）欧式距离的平方（SEUCLID），等于变量差2+变量差2+…… （3）曼哈顿距离（BLOCK），等于变量差的绝对值之和 （4）切比雪夫距离（CHEBYCHEV），等于变量差中绝对值最大者 （5）幂距离POWER(p,r)，等于变量差的绝对值的p次方之和，再求r方根。 2、相似系数 （1）变量间的相关系数即皮尔逊相关系数； （2）变量间的夹角余弦，即将两变量分别看成n维空间的向量时的夹角余弦值。 相关系数一般针对定距变量，对于定类变量特别是二项变量也可引入虚拟变量后计算相关系数。 例1：假定5个样本（人）具有如下指标：（1）请对个体进行分类；（2）对变量进行分类。 表3：五个人的六种身体特征指标 身高(cm) 体重(公斤) 眼睛形状 鼻子形状 习惯用手 性别 个体1 166 120 单 高 右 女 个体2 175 145 双 低 右 男 个体3 168 135 单 高 右 男 个体4 167 100 双 低 右 女 个体5 174 150 双 低 左 男 解：变量中包含定距和定类变量，可以全部变成虚拟变量（也可将后四个虚拟），令X1= ；X2= ；X3= ； X4= ；X5= ；X6= ，表3可转化为表4： X1 X2 X3 X4 X5 X6 个体1 0 0 0 1 0 1 个体2 1 1 1 0 0 0 个体3 0 1 0 1 0 0 个体4 0 0 1 0 0 1 个体5 1 1 1 0 1 0 （1）根据两个个体共同特征的多少来对个体分类，以欧式距离的平方来进行聚类，个体之间的距离越小越相似，可求得： d2(1,2)=(0-1)2+(0-1)2+(0-1)2+(1-0)2+(0-0)2+(1-0)2=5； d2(1,3)=(0-0)2+(0-1)2+(0-0)2+(1-1)2+(0-0)2+(1-0)2=2； d2(1,4)=(0-0)2+(0-0)2+(0-1)2+(1-0)2+(0-0)2+(1-1)2=2； d2(1,5)=(0-1)2+(0-1)2+(0-1)2+(1-0)2+(0-1)2+(1-0)2=6；同理计算其他距离，得到下表： 表5：5个体间距离 1 2 3 4 5 1 0 2 5 0 3 2 3 0 4 2 3 4 0 5 6 1 4 4 0 根据距离大小，判断相似程度。个体2和5距离最小，最相似。1和3，1和4距离较小，较相似。如果分两类，则可分为{1,5}和{ 1,3,4}。 （2）对特征变量进行分类，先计算两个变量间的相似系数： r12= = =0.6667 同理计算其它相关系数： 表6：六个变量间的相关系数 1 2 3 4 5 6 1 1.0000 2 0.6667 1.0000 3 0.6667 0.1667 1.0000 4 -0.6667 -0.1667 -1.0000 1.0000 5 0.6124 0.4082 0.4082 -0.4082 1.0000 6 -0.6667 -1.0000 -0.1667 0.1667 -0.4082 1.0000 表