SPSS聚类分析详解.ppt

2）利用相关作聚类分析 例：设有n个样品，每个样品测得8个指标X1，X2，…，X8。要求对8个指标进行聚类，聚类统计量采用相关系数 设相关矩阵R = （ ）为： 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 顺序 连结样品 相似系数 1 2 3 4 5 6 7 X1 X6 0.99 X1 X6 X3 0.96 X2 X4 0.93 X2 X4 X7 0.68 X5 X8 0.49 X1 X6 X3 X2 X4 X7 0.47 X1 X6 X3 X5 X8 -0.94 X2 X4 X7 R= 按矩阵R中数值对8个指标（按四个原则）进行聚类： 1）记下矩阵中的最大值 ，划去第6行第6列 2）记下矩阵中的最大值 ，划去第3行第3列 以此类推。 作聚类图： X1 X6 X3 X4 X2 X7 X5 X8 0.99 0.96 0.93 0.68 0.49 0.47 -0.94 主要城市日照时数 注：连续变量 SPSS提供不同类间距离的测量方法 1、组间连接法 2、组内连接法 3、最近距离法 4、最远距离法 5、重心法 6、中位数法 7、Ward最小偏差平方和法 观测量概述表 聚类步骤，与图结合看！ 4、5 聚类方法有系统聚类和逐步聚类，输入数据集可以是普通数据集、相关矩阵（CORR过程产生）或协方差矩阵（FACTOR等过程产生）。SAS提供的聚类过程有： 1、CLUSTER对坐标数据或距离数据的观测值用11种方法进行系统聚类，当观测值数太多时，不宜直接采用。 2、FASTCLUS对于坐标数据，用K-均值法对观测值进行逐步聚类，当观测值很多时，则先用FACTCLUS过程对其进行初步聚类，然后再用CLUSTER过程进行系统聚类。 3、VARCLUS通过斜交多组分量分析对变量进行系统聚类或逐步聚类。 4、TREE为CLUSTER或VARCLUS过程产生的输出画树状图。 CLUSTER过程 开始每个观测值自成一类，然后求两两之间的距离，将距离最近的两个观测值合成一类。这个过程一直进行下去，每次减少一类，直到合成一类为止。 聚类方法有11种，可根据问题的性质选用，它们的区别在于怎样计算两类之间的距离。 METHOD=指定方法 AVERAGE（平均法）、CENTROID（重心法）、COMPLETE（最大距离法）、DENSITY（密度法）、MEDIAM（中位数法）等 美国十个城市的分类 根据两个城市见航空距离将美国十个大城市作分类 聚类分析SAS程序： 原始数据是两两之间距离的三角阵（而不是坐标） 输入格式 55列为城市 15位 平均法 重心法 最小距离法 输出F及t统计量 观测值之间距离的均方根 输出结果： 类数 指出被合并的类 新类中的观测值数 类间距离除以观测值间距离均方根得来 F、t**2峰值(起伏)越大说明分类显著 研究各种饮料在市场消费的分配规律，试确定各种饮料消费类型 * 聚类分析 聚类分析是研究（样品或指标）分类问题的一种多元统计方法。类是指相似元素的集合。 分类： 1、系统聚类法------（分层聚类）系统聚类法是应用最广泛的一种 （Hierarchical Cluster过程） 1）、 聚类原则：都是相近的聚为一类，即距离最近或最相似的聚为 一类。 2）、 分层聚类的方法可以用于样本聚类（Q）型，也可以用于变量聚类 （R型）。 2、非系统聚类法-----（快速聚类法----K-均值聚类法）（K-means Cluster) 3、两步聚类法-----一种探索性的聚类方法（TwoStep Cluster） K-均值聚类分析 K-means Cluster 又称为快速样本聚类法，是非系统聚类中最常用的聚类法。 优点： 是占内存少、计算量小、处理速度快，特别适合大样本