7聚类要点.ppt

分类 俗语说，物以类聚、人以群分。 但什么是分类的根据呢？ 比如，要想把中国的县分成若干类，就有很多种分类法； 可以按照自然条件来分， 比如考虑降水、土地、日照、湿度等各方面； 也可以考虑收入、教育水准、医疗条件、基础设施等指标； 既可以用某一项来分类，也可以同时考虑多项指标来分类。 第7章 聚类分析 根据同类事物应具有相近特性，而不同事物在这些特性上差异较大的假定，将所研究的事物进行分类，这种研究方法称为聚类Cluster。 在 SPSS中，有两种方法进行聚类分析： 一种是并不指定最终的类数，所有样本不断相聚，最终聚为一类，结论将在聚类过程中寻求，这种聚类称为分层（系统）聚类（Hierarchical Cluster Analysis）。 另一种是在指定了用于聚类分析的变量和类数后进行的聚类，称为快速样本聚类（K－Means Cluster Analy- sis）。? §7.1分层聚类 一、分层聚类的概念 事物的性质是通过测量变量来描述的，因此，变量可以揭示事物的一些内部属性。如果以n个数值型变量(n维空间)来描述某一类事物，则一个事物就是n维空间中是一个点。 . 在A、B、C三组数据点群中，每组内部的数据点的坐标数值都比较接近。用几何距离表示就是： 由于在同一类中数据点的坐标值比较接近或几何距离比较接近，这类点的总体性质就比较接近。 例如：对一批运动员分别测量了他们的百米、万米、摸高、举重、体操等若干项指标，最后根据他们的各项成绩的分析将他们分为几种不同类型的运动员，比如：爆发力型、耐力型、灵巧型等。 分层聚类分析就是通过对变量的测量，将比较接近的样本找出来归为一类，进一步再将比较接近的类合并成为新的类，逐层合并直到最后合并成为一类。 分层聚类产生的结果不在聚类的开始，也不在聚类的最终，而是在其过程中。研究者将根据聚类过程适当截取聚类结论。 二、分层聚类的类型 分层聚类有两种类型： “Q聚类”，也可解释为样本聚类。 这种聚类将在聚类过程中发现具有共同属性的样本组。 “R聚类”，也可解释为变量聚类。 而“R聚类”则可以在某些变量中选择出具有代表性的变量。 分层聚类的显示结果不仅有聚类步骤表供数据分析使用，而且有各种图形可以直观地显示结果。聚类分析的图形结果有“树状图”和“冰柱”图。 三、分层聚类的命令 执行[Analyze]——[Classify]——[Hierarchical Cluster] 选择变量进入“Variable(s)”中 按钮“Statistics”将产生输出统计量： “Agglomeration schedule”：生成并类过程表。在表中将显示并类过程中的并类信息，包括：并类距离值、在相应值上的并类类别和类间关系。 “Proximity matrix”：距离矩阵或相关阵。 “Cluster Membership”聚类成员关系表。在并类过程中，各个样本被并到哪一类： “None” 不显示聚类成员关系表。 “Single solution”显示指定类数。指定的类数应当是小于等于样本个数，大于等于1的整数。“Number of Cluster”当聚类到达此指定的数值时，将在输出窗口显示各个样本所属的类。 “Range of solutions” 显示聚类成员在指定并类范围内所属类的关系表。指定的范围也应当是在样本数与1之间的整数。Minimum number of Cluster,最小聚类数； Maximum number of Cluster,最大聚类数。 按钮“Plots”将产生聚类图形 ： “Dendrogram”生成树状图 “Icicle”生成冰柱图 “All clusters”全过程冰柱图 “Specified range of clusters”指定并类范围冰柱图 “None”不生成冰柱图 “Orientaton”图形取向： Vertical竖直 Horizontal水平 按钮“Method”为聚类方法选择： ⑴“Cluster”共有七种进行聚类的方法： ①“Between-groups linkage”类间平均法，当两类之间所有样本之间距离的平均值最小时，这两类可以合并为一类。这是系统缺省的方法。(可以理解为m×n个距离的平均值最小) ②“Within- groups linkage”类内平均法，当合并后所有样本的距离的平均值最小时，这两类可以合并为一类。 ③“Nearest neighbor”最短距离法，当两类之间最近的样本之间的距离最小时，这两类可以合并为一类。 ④“Furthest neighbor”最长距离法，当两类之间最远的样本之间的距离最小时，这两类可以合并为一类。 ⑤“Centro