聚类应用总结.ppt

* * * * * * * * * 六、差平方和法（Ward法 ） 反映样品之间的差异程度 设变量X的n个样品观察值为： n个样品的离差平方和为： ? ? ? ? ? ? ? ? ? ? ? q ? ? ? ? ? ? ? ? ? ? ? ? ? p k 设类p和q分别含有np、nq个样品，其离差平方和分别记为 和 直观上容易想到把两群样品聚为一大群，大群的离差平方和将超过原来两个群的离差平方和之和。 如果将p和q并类得到新类k，则类k的离差平方和为 把增加的量记为 定义类p和q之间的距离为： 设类p和q分别含有np、nq个样品，其离差平方和分别记为 和 可以推得新类 k与任一类 r 的距离： 　 ②　　 ③　　 ④　　 ⑤ ① ② ③ ④ 6.5 52 130 136 44.5 110.5 122.5 18 20 2 计算5个样品两两之间的距离 记为距离矩阵 （采用欧氏距离）， 2. 合并距离最小的两类为新类，按顺序定为第６类。 　⑥＝ 例 离差平方和法（Ward法） 两样品间的距离的平方恰为它们之间欧氏距离平方的一半。 3、计算新类⑥与各当前类的距离， 得距离矩阵如下： 　②　　 ③　　　 ⑥ ① ② ③ 　6.5 52 176.67 44.5 154.67 24.67 为最小， ⑦= 　 ⑥ ⑦ ③ ⑥ 　24.67 62.17 245.26 4、重复步骤2、3，合并距离最近的两类为新类，直到所有的类并为一类为止。 为最小，⑧= 5、 6、按聚类的过程画聚类谱系图 4 5 ⑥ ⑨ ⑧ 并类距离 3 1 2 ⑦ 7、决定类的个数与类。 观察此图，我们可以把5个样品分为3类， 、 、 。 最短距离法 最长距离法 中间距离法 重心法 类平均法 离差平方和法 Proc cluster method=选项 data=文件名 outtree=文件名1 standard; var variable-list; id variable; run; Proc tree data=文件名1 horizontal graphics; id variable; run; Method＝选项 single 最短距离法 complete 最长距离法 median 中间距离法 centroid 重心法 average 类平均法 ward 离差平方和法（Ward法） SAS 程序 聚类分析案例 根据第三产业国内生产总值的9 项指标，对华东地区6 省1 市进行分类，原始数据如下表： 交通 贸易 金融 房 服务 卫生 文教 科研 党政 X1 X2 X3 X4 X5 X6 X7 X8 X9 上海 江苏 浙江 安徽 福建 江西 山东 244.42 412.04 459.63 512.21 160.45 43.51 89.93 48.55 48.63 435.77 724.85 376.04 381.81 210.39 71.82 150.64 23.74 188.28 321.75 665.80 157.94 172.19 147.16 52.44 78.16 10.90 93.50 152.29 258.60 83.42