数据分析方法相关问题补充.pptVIP

数据分析方法相关问题补充 聚类 引例 例? RA Fisher在1936年发表的Iris数据中，研究某植物的萼片长、宽及花瓣长、宽. x1: 萼片长，x2：萼片宽，x3：花瓣长，x4: 花瓣宽.试对Iris数据进行聚类． 5.1000 3.5000 1.4000 0.2000 4.9000 3.0000 1.4000 0.2000 …… 5.9000 3.0000 5.1000 1.8000 （共150行，分为3类） load fisheriris 用meas命名了取自三个总类 G1,G2和G3，每一类取50个样本。 K-均值聚类 模糊均值聚类 模糊C均值聚类(fuzzy c-mean cluster)是硬Ｃ均值 聚类的推广，硬划分是指一个样品要么属于指定的类，要么不属于该类，二者必居其一. 而模糊聚类则放松此要求，即以一定的概率属于某个指定类. load fisheriris　　 　 %导入iris数据 [center u]=fcm(meas,3); 　% meas为150行4列的3个总体的观测数据 index1 = find(u(1,:) == max(u))　　%寻找属于第一类的样品 index2 = find(u(2,:) == max(u))　　%寻找属于第二类的样品 index3 = find(u(3,:) == max(u))　　%寻找属于第三类的样品 [center u]=fcm(meas,3,3) %m=3； 模糊减法聚类 谱系聚类 谱系聚类法是目前应用较为广泛的一种聚类法. 谱系聚类是根据生物分类学的思想对研究对象进行 分类的方法.利用这种思想，谱系聚类 首先将各样品自成一类，然后把最相似(距离最近或相似系数最大)的样品聚为小类，再将已聚合的小类按 各类之间的相似性(用类间距离度量)进行再聚合，随着相似性的减弱，最后将一切子类都聚为一大类， 从而得到一个按相似性大小聚结起来的一个谱系图. 谱系聚类命令linkage。调用格式： Z = linkage (Y,method) 输入Y是一个距离矩阵，例如Y是由pdist命令生成的欧氏距离向量。 Method 是一个可选项，如最长距离，最短距离等。 single ---- 最短距离（缺省状态） complete ---- 最长距离 average ---- 类平均距离 weighted ---- 加权平均距离 centroid ---- 重心距离 ‘ward’ ---- 离差平方和距离 输出Z是一个矩阵(N-1行，3列)，Z的第一列和第二列均为正整数，第3列表示聚类的水平，每一行表示在相同的聚类水平上将个体合并成新的一类，每生成一个新的类，其编号将在现有基础上增加1。 作谱系聚类图命令dendrogram，其调用格式 H=dendrogram(z,N) 输入Z是一个(N-1)行3列的矩阵，由linkage命令生成, N是样本容量。输出产生一个树谱系聚类图，每两类通过线段连接，高度表示类间的距离。% 此命令作出m个样本的图形,缺省时默认为30。 输出聚类结果命令cluster，调用格式 T=cluster(z,k) 输入Z是一个(N-1)行3列的矩阵，由linkage命令生成, N是样本容量。k是分类数目. 输出T是一个列向量(N行1列)，每一个元素均为正整数， 且最大的数字不超过k,第i行的数字l表示第i个个体属于第l类。 如果遇到大样本数据，为了便于得到每一类样本的编号， 可以利用如下命令： find(T==l) % 找出属于第l类的样品编号 判别分析 引例 某医院利用心电图检测来对人群进行划分，数据见表. “g=1”表示健康人，“g=2”表示主动脉硬化患者，“g=3”表示冠心病患者，X1 , X2表示测得的心电图中表明心脏功能的两项不相关的指标. 某受试者心电图该两项指标的数据分别为380.20，9.08. 设先验概率按比例分配，进行bayes判别，判定其归属. 多个总体的Bayes判别 A=[261.01 7.36 185.39 5.99 …… 189.59 5.46] x=[380.20 9.08]; G1=A(1:11,:);G2=A(12:18,:);