集群分析clusteranalysis.pptVIP

集群分析Cluster analysis 謝寶煖 2006年5月27日 15位學生的身高和體重 集群分析的基本概念 將性質相近的現象歸為一類，以便在大量複雜的特徵歸類後，找出其所存在的規律性，如經濟現象 是定量研究分類問題的一種多元統計方法 找出同一類中的個體有較大的相似性之間相似度的統計量，以此為依據，採用某種集群方法（cluster method），將所有樣本（或變數）分別集群到不同的類中 High internal (within-cluster) homogeneity High external (between-cluster) heterogeneity ? 類內同質 類間異質 距離和相似係數 研究變數間親疏程度的指標有兩個 距離 指兩個事物距離多遠的測量，通常將每一個樣本看成m維（變數的個數）空間中的一個點，在這m維空間定義點與點之間距離，距離較近的點歸為同一類，距離較遠的點歸入不同的類。 相似係數 指兩個事物距離多近的測量，性質越近的樣本，它們之間的相似係數越接近於1（或－1），而彼此無關的樣本，它們之間的相似係數越接近於零。在進行集群處理時，將比較相似的樣本歸為一類，不怎麼相似的樣本歸為不同的類。 距離與相似係數計算公式的選擇，與資料特徵、測量尺度和集群方法有關。 集群分析的分類對象 Q型集群 也叫樣本（case）集群，是針對樣本進行分類處理。方法是根據樣本有關變數的特徵，將特徵相似的樣本歸為一類，例如在股市模組分析中，根據上市公司的每股收益、每股淨資產、股東權益率、淨資產收益率、淨利潤等五個指標，將股票分為不同的類型，如指標股、一般股等。 R型集群 也叫變數（variable）集群，是以變數為單位進行集群。 分層集群分析 Hierarchical Cluster Analysis 也叫系統集群分析，是集群分析中應用最廣泛的一種方法。 集群過程：把參與集群的樣本（或變數）各視為一類，然後根據兩類之間的距離或相似度逐步合併，直到所有樣本（或變數）合併為一個大類為止。 分層集群分析 可用於樣本集群，也可用於變數集群 分析步驟 選擇分析變數 資料標準化 選擇距離或相似係數的計算公式，計算所有樣本或變數兩兩間的距離或相似係數，產生距離矩陣或相似矩陣。 選擇集群方法，將距離最近的兩個樣本合併為一類。常用集群方法有：最短距離法、最長距離法、重心法、類平均法、離差平方合法等。 分類個數大於1,則繼續前兩個步驟，直到所有樣本歸為一類為止 輸出集群結果和系統集群圖，包括樹型圖和冰柱圖。 根據研究對象的背景知識，按某種分類標準或分類原則，得出最終的分類結果。 分層集群分析 分析＞分類＞階層集群分析法 分層集群分析 例：研究各種飲料在市場消費的分配規律，共抽取了6個縣市消費的5種飲料有關的指標資料，請確定各種飲料的消費類型。 Cluster1 先出現的階段集群 第一次出現複集群的階段 集群1＝集群2＝0,表示兩個樣本合併 集群1或集群2中，有一個為0,表示樣本與類的合併 集群1和集群2，都不為0,表示類與類的合併 由組間平均距離連接法，可知6個樣本明顯地分為三類 I：3、5 II：1、2、4 III：6 冰柱圖 樹狀圖 快速基因資料集群分析 也稱為逐步集群或動態群集 開始按照一定方法選取一批凝聚點，其次讓樣本項最近的凝聚點凝聚，形成起始分類，然後按最近距離原則修改不合理的分類，直到合理為止。 適合於大基因資料檔案的Q型集群分析 分析步驟 選擇分析變數 指定集群數目，即要將樣本聚為幾類 選擇K個樣本作為集群的種子，K的最小值為2 ，最大值不超過樣本個數 按照集群種子的距離最小原則，將各觀察值分到所在類中，形成第一次替代的K類。反覆。 輸出集群結果 根據研究對象的背景知識，按某個分類標準或分類原則，得出最終的分類結果。 集群分析 分析＞分類＞階層集群分析法 澳洲某農莊14年來葡萄生產量，是否可以加以區分為有意義的集群？（可用產量的差距來衡量年度之間的距離） Cluster2 樹狀圖：3群 由階層集群分析結果可知，葡萄生產量可以區分為三個集群： I： 2、5、11、13 （ 11、13、2、5 ） II：1、3、4、6、7、8（1、6、3、8、7、4） III：9、10、12、14（10、14、9、12） 樹狀圖：4群 那麼，該分3群？還是4群呢？ Interpretation! 台北捷運公司依兩個站間的距離，將淡水捷運線七大捷運站新店、景美、公館、古亭、火車站、北投、淡水，作分類。 cluster3 老師為評比學生之學科與術科，決定以學科與術科成績為基準，欲將學生分為高、中、低三個等級。 Cluster4 因學科與術科之成績計算方法不同，應先將資料標準化 分析＞摘要＞描述性統計量 再進行集群分析 變數：標準