Iris数据的结果分类.docVIP

Iris数据的结果分类 摘 要 本文主要讨论了用快速聚类法对R.A.Fisher的Iris数据分类的问题。 针对问题一，由样本数目较大且已知分类数目为3,用快速聚类法并用欧式距离对样本分类。通过SAS软件快速聚类得到样本分类（见文中表1）。根据分类表得到这三类各观测值的取值范围，结合每一类的聚点得到结论如下：相比第2、3两类，第1类属于萼片短、萼片较宽、花瓣短、花瓣窄的植物；相比第1、3两类，第2类为萼片长、萼片较宽、花瓣长、花瓣宽的植物；相比第1、2两类，第3类是萼片较长、萼片较宽、萼片较长、花瓣较宽的植物，最后通过聚类的均值及标准差分析检验分类的合理性。 针对问题二，用快速聚类法并用绝对距离对样本分类。通过SAS软件快速聚类得到样本分类（见文中表6）。根据分类表得到这三类各观测值的取值范围，结合每一类的聚点得到结论如下：相比第2、3两类，第1类属于萼片短、萼片较宽、花瓣短、花瓣窄的植物；相比第1、3两类，第2类为萼片长、萼片较宽、花瓣长、花瓣宽的植物；相比第1、2两类，第3类是萼片较长、萼片较宽、萼片较长、花瓣较宽的植物，最后通过聚类与最终聚点的均值绝对值离差分析检验分类的合理性 针对问题三，用快速聚类法并用距离（）对样本分类。通过SAS软件快速聚类得到样本分类（见文中表11）。根据分类表得到这三类各观测值的取值范围，结合每一类的聚点得到结论如下：相比第2、3两类，第1类属于萼片短、萼片较宽、花瓣短、花瓣窄的植物；相比第1、3两类，第2类为萼片长、萼片较宽、花瓣长、花瓣宽的植物；相比第1、2两类，第3类是萼片较长、萼片较宽、萼片较长、花瓣较宽的植物，最后通过聚类与最终聚点的均幂根离差分析检验分类的合理性。 聚类分析，是研究分类问题的一种多元统计方法，被广泛应用在经济、社会、人口等诸多方面。 关键词 快速聚类分析；欧氏距离；绝对距离；距离 一、问题重述 R.A.Fisher在1936发表的Iris数据中，研究某植物的萼片长、宽及花瓣长、宽。：萼片长，：萼片宽，：花瓣长，：花瓣宽。R.A.Fisher取了该植物3个种类,每个种类取50个样品，共150个样品。数据如表1（见附录） 问题一：用快速聚类法将表1数据分3类； 问题二：用快速聚类法并用绝对距离分3类，写出分类结果； 问题三：在题一、题二基础上，用快速聚类法并采用距离分3类，写出分类结果。 二、问题分析 针对问题一，采用快速聚类法将表1（见附录）数据分为3类。快速聚类法的步骤：选择聚点，可以通过以下三种方法：经验选择、最小最大原则和将样品随机分为K类，以每类的重心作为聚点。聚点是一批有代表性的样品，它的选择决定了初始分类，分类数给定后，选取过程会根据递推公式算出初始聚点；然后计算各数据与聚点的欧氏距离并分类，检验分类是否合理，不合理返回到第二步初始分类，修改分类，如此反复循环，直至分类合理。 针对问题二，与题一相似，首先先确定数据的聚点，采用绝对距离聚类分析时，最终聚点应是每一类的中位向量，确定聚点后，进行初步分类，然后计算数据间的绝对距离，根据各数据与聚点间的绝对距离进行分类。检验分类是否合理，修改分类，直至合理为止。 针对问题三，采用快速聚类法并利用距离将表1数据分为3类。与题一相似，先选择聚点，进行初始分类。采用距离进行快速聚类分析时，最终聚点是每一类的中心向量，代入距离公式，求出各数据与聚点的距离，并按大小分类。 三、基本假设 1、假设所有数据都有效； 2、假设所有花无重大变异，即无较大差异； 3、假设该植物样品的选取具有随机性，无人为主观干扰。 四、符号表示 符号 意义 快速聚类法采用欧氏距离下的聚点 快速聚类法利用绝对距离下的聚点 快速聚类法采用距离的聚点 快速聚类法按绝对距离的最终聚点 快速聚类法按距离的最终聚点 五、模型建立与求解 随着人类社会的发展与科学技术的进步，对分类学的要求也越来越高。只凭经验或专业知识对研究对象定性分类，这往往是不够的，有时不能进行确切的分类。于是数学被引进分类学中，形成了数值分类学。随着多元数据分析方法研究的深入，在数值分类学中形成了聚类分析这一学支，聚类分析是多远数据分析的重要组成部分（[1]）。本文样本量较大，将采用聚类分析法中快速聚类法对数据分类。 5.1快速聚类法将表1数据分为3类 本文数据样本容量较大，用快速聚类法分类。快速聚类是快速有效的聚类方法。快速聚类法先将样本数据粗略地分一下类，然后将按某种原则进行修正，直至分类比较合理为止。快速聚类的大致过程如图1所示 图1 快速聚类法步骤 用SAS系统中的proc astclus过程（见附录）得到以下结果。 快速聚类法按欧氏距离把表1数据分为3类，初始聚点是： ,， 它们对