分级聚类(谱系聚类).docx

matlab提供了两种方式来做分级聚类一、直接聚类此时调用的是clusterdata函数，而clusterdata函数可以视为pdist、linkage与cluster的综合，也就是说它们的参数在调用时使用的都是默认值，不能调，这就是直接聚类的含义。其缺点为可供用户选择的面较窄，不能更改距离的计算方法，该方法的使用者无需了解聚类的原理和过程，但是聚类效果受限制。下面介绍clusterdata函数的具体使用。clusterdata函数的调用格式：T=clusterdata(X,cutoff)?输出参数T是一个包含n个元素的列向量，其元素为相应观测所属类的类序号。输入参数X是的矩阵,一定要注意矩阵的每一行对应一个观测（样品），每一列对应一个变量。Cutoff 为阈值，它有两种含义，如下：（1）当0cutoff2时，T=clusterdata(X,cutoff)?? 等价于调用了Y=pdist(X,’euclid’); Z=linkage(Y,’single’); T=cluster(Z,’cutoff’，cutoff)?；（此时‘cutoff’指不一致系数或距离的阈值，参数值为正实数。即此时clusterdata等价于最后T=cluster(Z‘cutoff’,c,’depth’,d)，是按照不一致系数的规则来聚类的，并没有指定希望分成几类。这有别于下面的（2））（2）Cutoff2时，T=clusterdata(X,cutoff)?????等价于Y=pdist(X,’euclid’); Z=linkage(Y,’single’); T=cluster(Z, ‘maxclust’，cutoff)?；（‘maxclust’指定最大类数，参数值为正整数。即此时cutoff表示的希望分成的类别数目）二、分步聚类所谓分布聚类，就是将聚类过程分为几个步骤，只不过是可以调具体函数的参数而已。所用到的函数介绍1.1 pdist函数调用格式：Y=pdist(X,’metric’)说明：用 ‘metric’指定的方法计算 X 数据矩阵中对象之间的距离。 X：一个m×n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n。metric’取值如下：‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离；‘mahalanobis’：马氏距离；‘cityblock’：布洛克距离；‘minkowski’：明可夫斯基距离；‘cosine’：‘correlation’： ‘hamming’：‘jaccard’： ‘chebychev’：Chebychev距离。pdist生成一个M*(M-1)/2个元素的行向量，分别表示M个样本两两间的距离。这样可以缩小保存空间，不过，对于读者来说却是不好操作，因此，若想简单直观的表示，可以用squareform函数将其转化为方阵，其中x(i,j)表示第i个样本与第j个样本之的距离，对角线均为0.1.2 squareform函数调用格式：Z=squareform(Y,..)说明： 强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。关于这个函数的使用见下面的第二个例子，是最好的说明。1.3 linkage函数调用格式：Z=linkage(Y,’method’)说 明：用‘method’参数指定的算法计算系统聚类树。Y：pdist函数返回的距离向量；method：可取值如下：‘single’：最短距离法（默认）； ‘complete’：最长距离法；‘average’：未加权平均距离法； ‘weighted’： 加权平均法；‘centroid’：质心距离法； ‘median’：加权质心距离法；‘ward’：内平方距离法（最小方差算法）返回：Z为一个包含聚类树信息的（m-1）×3的矩阵。其中前两列为索引标识，表示哪两个序号的样本可以聚为同一类，第三列为这两个样本之间的距离。另外，除了M个样本以外，对于每次新产生的类，依次用M+1、M+2、…来标识。为了表示Z矩阵，我们可以用更直观的聚类数来展示，方法为：dendrogram(Z), 产生的聚类数是一个n型树，最下边表示样本，然后一级一级往上聚类，最终成为最顶端的一类。纵轴高度代表距离列。 另外，还可以设置聚类数最下端的样本数，默认为30，可以根据修改dendrogram(Z,n)参数n来实现，1n样本个数。dendrogram(Z,0)则表n=样本个数的情况，显示所有叶节点。1.4用cophenet函数评价聚类信息【cophenet函数:?? 调用格式：c=cophenet(Z,Y)?说明：利用pdist函数生成的Y和linkage函数生成的Z计算系统聚类树的cophenetic相关系数。】cophene检验一定算法下产生的二叉聚类树和实