浙江大学生物系统工程-生态系统优化与-第一次展示讲义.ppt

生态系统分析与优化第一次课程作业展示 小组成员：吴文华蒋昊铮方小敏 指导教师：李晓丽 2015.5.21 · · · · · · 00 原始数据 随着现代人力资源管理理论的迅速发展，绩效考评技术水平也在不断提高。绩效的多因性、多维性，要求对绩效实施多标准大样本科学有效的评价。 28位职工 评价指标： 工作产量、工作质量、 工作出勤、工作态度、工作能力 目录 Contents 聚类分析 判别分析 讨论 1 聚类分析 01 聚类分析 · · · 聚类结果 01 聚类分析——代码 · · · 1 标准化 2 距离矩阵转换 3 距离计算：欧式距离、马氏距离 4 聚类算法：最小距离法、离差平方和法 5 聚类信息评价（0.71） 6 生成谱系图 01 聚类分析——聚类结果 · · · 分为4类：优秀、良好、及格、不及格 优秀：{1,2} 良好：{3,5,6,7,8,9,10,14,15,16,17} 及格：{4,11,12,13,18,19,21,22} 不及格：{20,23,24,25,26,27,28} 2 判别分析 02 判别分析 · · · 判别结果 02 判别分析 · · · gscatter(Matrix(:,1),Matrix(:,3),species,rgb,osd); xlabel(工作产量); ylabel(工作出勤); 02 判别分析 · · · sample=Matrix([5:7,16:18,24:26],:); %设定待判别样本 每组3个 training=Matrix([1:4,12:15,20:23],:); %设定训练样本 每组4个 group1=species([1:4,12:15,20:23],:); %设定训练样本的类别 group2=species([5:7,16:18,24:26],:); %设定待判别样本的类别 linclass = classify(sample,training,group1); bad = ~eq(linclass,group2); numobs = size(group2,1); sum(bad) / numobs %ans=0.1111 ? hold on; plot(Matrix(bad,1), Matrix(bad,2), kx); %k是黑色，可查阅ColorSpec hold off; 02 判别分析 · · · 绘制分类器对面的线性划分图 [x,y] = meshgrid(3.5:.05:8,1:.05:8); %根据第一个图 确定XY轴的范围 x = x(:); y = y(:); j = classify([x y],Matrix(:,1:2),species); gscatter(x,y,j,grb,sod) 讨论 3 3 讨论 · · · 聚类分析 判别分析 END 谢谢！