应用多元分析聚类分析newnew.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 用D(i,j)表示这一类的直径，常用的直径有，欧氏距离： 当是单变量的时，也可以定义直径为： * 2、定义分类的损失函数 用b(n,k)表示将n个有序的样品分为k类的某种分法： 定义这种分类法的损失函数为：各类的直径之和。 * 由损失函数的构造可以看出，损失函数是各类的直径之和。如果分类不好，则各类的直径之和大，否则比较小。 当n和k固定时， L[b(n,k)]越小表示各类的离差平方和越小，分类是合理的。因此要寻找一种分法b(n,k)，使分类损失函数L[b(n,k)]达到最小。记该分法为P[n,k]。 * 若分类数k是已知的，求分类法b(n,k)，使它在损失函数意义下达到最小，其求法如下： 首先，找出分点jk，使 于是得第k类 3、最优解的求法 * 然后，找出jk－1，使它满足 于是得第k-1类 * 再然后，找出jk－2，使它满足 于是得第k-2类 类推。一直可以得到所有类G1，G2，…Gk，这就是所求得最优解。 * 4、L[b(n,k)]的递推公式 以上的两个公式的含义是，如果要找到n个样品分为k个类的最优分割，应建立在将j-1（j＝2,3,…,n)个样品分为k-1类的最优分割的基础上。 * 分析儿童的生长期。有如下的资料是1-11岁的男孩平均每年的增重： 问男孩的发育可分为几个阶段。 年龄 1 2 3 4 5 6 7 8 9 10 11 增加重量（公斤） 9.3 1.8 1.9 1.7 1.5 1.3 1.4 2.0 1.9 2.3 2.1 * * * ? n k 2 3 4 5 6 7 8 9 10 3 0.005/2 　 　 　 　 　 　 　 　 4 0.02/2 0.005/4 　 　 　 　 　 　 　 5 0.088/2 0.020/5 0.005/5 　 　 　 　 　 　 6 0.232/2 0.040/5 0.02/6 0.005/6 　 　 　 　 　 7 0.280/2 0.040/5 0.025/6 0.010/6 0.005/6 　 　 　 　 8 0.417/2 0.280/8 0.040/8 0.025/8 0.010/8 0.005/8 　 　 　 9 0.469/2 0.285/8 0.045/8 0.030/8 0.015/8 0.010/8 0.005/8 　 　 10 0.802/2 0.367/8 0.127/8 0.045/10 0.030/10 0.015/10 0.010/10 0.005/10 　 11 0.909/2 0.368/8 0.128/8 0.065/10 0.045/11 0.030/11 0.015/11 0.010/11 0.005/11 最小损失函数L[p(n,k) * * * * * * * * * * * * * * * * * * * * * * 4、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，还可以解释各类产别的原因。 * 如果是变量聚类分析，聚类分析做完之后，各类中仍有较多的指标。也就是说聚类分析并没有达到降维的目的。这就需要在每类中选出一个代表指标，具体做法是：假设某类中有 个指标，首先分别计算类内指标之间的相关指数 然后计算某个指标与类内其他指标之间相关指数的平均数，即取 最大的 ，做为该类的代表。 * 例 某公司下属30个企业，公司为了考核下属企业的经济效益，设计了8个指标。为了避免重复，需要对这8个指标进行筛选，建立一个恰当的经济效益指标体系。通过计算30个企业8个指标的相关系数距离，数据是1-r2。得如下表: ?x1 x2? ?x3 ?x4 x5? x6 ?x7 ?x8 ? x1 0 ? ? ? ? ? ? ? 0.60 0 ? ? ? ? ?