第七章节 聚类分析.ppt

第七章 聚类分析 一、引言 二、直观解释与算法 三、案例8 四、因子与聚类比较分析 8.1 引 言 在使事件条理化方面一个基本科学问题是分类，我们仍然来看一个两维数据。 社会学家可以将他们调查的一群人的数据归为（7.1.1），动物学家可以将一些生物进化过程或遗传知识的记录归为（7.1.1），对某一专业的人来说，他们进行分类当然应用他们所学的知识。作为统计工人者，我们并不把外来的约束用于分类，当然结果的实际解决中必需考虑它。我们现在仅从二维表来考虑：即给定N个观测值，每个观测值有M个指标。分类包括两方面的内容： （1）对样本（观测值）进行聚类 例：社会学家对N个人进行调查其指标为：收入，受教育程度，宗教信仰等，他们想看看这N个人大致可以分为几类，从而推断整个社会的民众可以分为几类。 （2）对指标进行聚类 例：天气预报的资料其指标非常多，多达成千上万，显然其中不少指标是反映天气的某种属性，如反映大气流动的指标：一千米上空流速，两千升上空流速等。我们的目的是看看众多的指标可以分为几类。 我们是否有什么根据，可以将它们聚成若干个可定义的类，而对应的备选假设为它们是一个不能分类的集合。 分类与聚类分析中，我们要学会从具体情况出发来考虑一般的问题，即用不同的方法建立不同的模型。这也是分类与聚类分析内容特别丰富的原因。 实例：表（8.1.1）给出了48个应征者在15个方面所得分数，这15个方面为： （1）申请书形式 （2）外貌 （3）学术能力 （4）讨人喜欢 （5）自信程度 （6）精明 （7）诚实 （8）推销能力 （9）经验 （10）积极性 （11）报负 （12）理解能力 （13）潜力 （14）交际能力 （15）适应能力 我们关心的是如何对指标进行聚类，因为描述人的特征无非是外部特征，内在实质等几个指标。 现在我们对变量进行聚类，对变量进行聚类，可以想象成每一个变量是48维空间中的一个点，我们把靠的很近的变量归为一类，点与点很近用数学或统计的语言来说就是变量的相关程度很大，因此我们用相关系数作为变量间的距离。计算数据的相关矩阵得表（8.1.2）。 表8.1.2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 --──────────────────────────────────── 1 1 2 .24 1 3 .04 .12 1 4 .31 .38 .00 1 5 .09 .43 .00 .30 1 6 .23 .37 .08 .48 .81 1 7 -.11 .35 -.03 .65 .41 .36 1 8 .27 .48 .05 .47 .82 .83 .23 1 9 .55 .14 .27 .14 .02 .15 -.16 .23 1 10 .35 .34 .09 .39 .70 .70 .28 .81 .33 1 11 .28 .55 .04 .35 .84 .76 .21 .86 .20 .78 1 12 .34 .51 .20 .50 .72 .88 .39 .77 .30 .71 .78 1 13 .37 .50 .29 .60 .67 .78 .41 .73 .34 .79 .77 .87 1 14 .47 .28 -.32 .69 .48 .53 .45 .55 .21 .61 .55 .55 .54 1 15 .59 .38 .14 .33 .25 .42 .03 .55 .69 .62 .43 .53 .57 .40