生物数据统计方法——第六章2.ppt

Cluster Analysis 一、 简介 聚类分析也是一种分类技术。与多元分析的其他方法相比，该方法较为粗糙，理论上还不完善，但应用方面取得了很大成功。与回归分析、判别分析一起被称为多元分析的三大方法。 1. 聚类的目的 根据已知数据，计算各观察个体或变量之间亲疏关系的统计量（距离或相关系数）。根据某种准则（最短距离法、最长距离法、中间距离法、重心法），使同一类内的差别较小，而类与类之间的差别较大，最终将观察个体或变量分为若干类。 2. 聚类分析的应用例子 同一种疾病（如肝炎），根据临床表现等将病人分成若干类（甲、乙、丙、丁、戊型肝炎） 根据疾病的若干临床表现，将病人分成轻、中、重三型 在儿童生长发育研究中，把以形态学为主的指标归于一类，以机能为主的指标归于另一类 3. 聚类的种类 根据分类的原理可将聚类分析分为： 系统聚类与快速聚类 根据分类的对象可将聚类分析分为： 系统Q型与R型（即样品聚类clustering for individuals 与指标聚类clustering for variables) 4. 聚类分析数据格式 5. 判别分析数据格式 6. 聚类分析与判别分析间的联系 二、图示法聚类分析 1. 散点图（Scatter diagrams） 2. 轮廓图(Profile diagram） 三、距离与相似系数 （一）距离 1. 欧式（Euclidian ）距离 1.1 二维空间欧式距离 1.2 欧式距离的平方 2. 明氏（Minkowski ）距离 实例计算 绝对值距离 Euclidian距离的平方 Euclidian距离 变量标准化 3. Mahalanobis 距离 Mahalanobis 距离 Mahalanobis 距离实例 4. Lance和Williams 距离 5. 斜交空间距离 6. 配合距离 （二）相似系数 1. 夹角余弦（Cosine） 2. Pearson相关系数 四、系统聚类法（hierarchical clustering method） 将n个样品各作为一类 （一）最短距离法(single linkage，nearest neighbor) （二）最长距离法(complete linkage，furthest neighbor) （三）中间距离法(median method) （四）中间距离法的变形——可变法 （五）类平均法(average linkage between group) （六）可变类平均法(flexible-beta method) （七）重心法(centroid method) （八）Ward最小方差法(Ward’ minimum variance method) （九）八种系统聚类方法的统一 八种系统聚类法公式的参数 系统聚类法的性质 有关问题 五、快速聚类法（quick cluster method k-means model ）也叫动态聚类、逐步聚类、迭代聚类） 原理 选择初始凝聚点 根据欧氏距离将每个样品归类 各类的重心代替初始凝聚点 根据欧氏距离将每个样品归类，…… 直至分类达到稳定 初始凝聚点initial cluster seeds ；cluster centers 自动选择 必须给出允许分类的最大个数k（ SAS中用MAXCLUSTERS=k(或MAXC=k) ） 凭经验选择 以初始凝聚点建立一个数据文件,在SAS的FASTCLUS过程的SEED=选择项中输入该数据文件 六、变量聚类法 七、小结 存在的问题 （一）SPSS聚类分析 1.系统聚类 指定参与聚类的变量名和样品号 Statistics Plot Method Method 2. 快速聚类 选项 （二）SAS聚类分析   单调性 中间距离法、重心法不具有单调性 空间的浓缩与扩张 不同聚类法作图，横坐标的范围可相差很大。最短距离法与重心法比较浓缩；可变类平均比较扩张；类平均法比较适中。 几种聚类方法获得的结果不一定相同 指标聚类采用相似系数，相似系数大或距离小则表示类间关系密切，为了统一，可采用以下公式变换。 样本量很大，用系统聚类法计算的工作量极大，作出的树状图也十分复杂, 不便于分析 原理与以上聚类法类似, 只是将标准化后的变量视为“个体”，变量间的相关系数描述“个体”间的相似程度。 SAS中采用VARCLUS过程。 与判别分析的区别（作用，数据要求？） 聚类分析是一种探索性技术，对于同一问题，可获得多种结果，解释需要结合专业