聚类分析2012年最新版课件.pptVIP

* 例子2：土壤样本聚类分析 有20个土壤样本，利用含沙量、淤泥含量、粘土含量、有机物、pH值5个变量的数据对这20个土壤样本进行分类。 * 系统聚类 * * * * * * * * K均值聚类 * * * * * * R型聚类的例子 裁判为运动员打分 * 组内平均连接法(Within-group linkage) 将两类个体合并为一类后，以合并后类中所有个体之间的平均距离作为类间距离。 * 组内平均连接法（Within-group Linkage) x21? x12? x22? x11? * 重心法(Centroid clustering) 以两类变量均值（重心）之间的距离作为类间距离。 * 重心距离：均值点的距离 ? ? * 中位数法(Median clustering) 以两类变量中位数之间的距离作为类间距离。 * 离差平方和法(Ward’s method) 离差平方和法是由Ward提出的，因此也称为Ward方法。具体做法是，先将n个个体各自成一类，然后每次减少一类，随着类与类的不断聚合，类内的离差平方和必然不断增大，选择使离差平方和增加最小的两类合并，直到所有的个体归为一类为止。 * 主要步骤 1. 选择变量 （1）和聚类分析的目的密切相关 （2）反映要分类变量的特征 （3）在不同研究对象上的值有明显的差异 （4）变量之间不能高度相关 2. 数据变换处理 为了消除各指标量纲的影响，需要对原始数据进行必要的变换处理。 * 3. 计算聚类统计量 聚类统计量是根据变换以后的数据计算得到的一个新数据，它用于表明各样本或变量间的关系密切程度。常用的统计量有距离和相似系数两大类。 * 4. 聚类 主要涉及两个问题： （1）选择聚类的方法 （2）确定形成的类数 * 5. 聚类结果的解释和证实 对聚类结果进行解释是希望对各个类的特征进行准确的描述，给每类起一个合适的名称。这一步可以借助各种描述性统计量进行分析，通常的做法是计算各类在各聚类变量上的均值，对均值进行比较，还可以解释各类产生的原因。 * k-均值聚类K-means Cluster K-均值聚类也叫快速聚类 要求事先确定分类数 运算速度快（特别是对于大样本） * k-均值聚类K-means Cluster 系统首先选择k个聚类中心，根据其他观测值与聚类中心的距离远近，将所有的观测值分成k类；再将k个类的中心（均值）作为新的聚类中心，重新按照距离进行分类；……，这样一直迭代下去，直到达到指定的迭代次数或达到中止迭代的判据要求时，聚类过程结束。 * 聚类分析终止的条件 迭代次数：当目前的迭代次数等于指定的迭代次数（SPSS默认为10）时终止迭代。 类中心点偏移程度：新确定的类中心点距上个类中心点的最大偏移量小于等于指定的量（SPSS默认为0）时终止聚类。 * 例子1：31个省区小康和现代化指数的聚类分析 利用2001年全国31个省市自治区各类小康和现代化指数的数据，对地区进行聚类分析。 数据中包括6类指数：综合指数、社会结构指数、经济与技术发展指数、人口素质指数、生活质量指数、法制与治安指数。 * 系统聚类 * Agglomeration schedule：输出聚类过程表 Proximity matrix：输出各个体之间的距离矩阵 Cluster Membership：每个个体类别归属表 * Dendrogram：聚类树形图 Icicle：冰柱图 * * * * * * 如果分为3类 第1类：北京、上海、天津 第2类：江苏、山东、辽宁、浙江、广东、福建、黑龙江、吉林 第3类：其余省区 * 输出各组的统计信息 在数据文件中保存分类信息 Data—Split file * * * K均值聚类 Iterate and classify：不断计算新的类中心，替换旧的类中心。 Classify only：根据初始类中心进行聚类，不改变类中心。 * * * * * * * 聚类分析Cluster Analysis * 什么是聚类分析？ 聚类分析是根据“物以类聚”的道理，对样本或指标进行分类的一种多元统计分析方法，它们讨论的对象是大量的样本，要求能合理地按各自的特性进行合理的分类，没有任何模式可供参考或依循，即在没有先验知识的情况下进行的。 * 聚类分析的基本思想 基本思想是认为研究的样本或变量之间存在着程度不同的相似性（亲疏关系）。 根据一批样本的多个观测指标，找出一些能够度量样本或变量之间相似程度的统计量，以这些统计量作为分类的依据，把一些相似程度较大的样本（或指标）聚合为一类，把另外一些相似程度较大的样