聚类分析上机指导.pdf

聚类分析 内容： • 一、概述 • 二、定量变量的距离（样本） • 三、定性变量的距离（样本） • 四、相似系数（变量的距离） • 五、类与类之间距离的定义 • 六、数据的中心化和标准化 • 七、R示例 • 八、类的个数的确定 一：概述 什么是聚类? • 聚类（Clustering）就是将数据分组成为多 个类（Cluster ）。在同一个类内对象之间 具有较高的相似度，不同类之间的对象差 别较大。 • 例1：为研究辽宁、浙江、河南、甘肃、青海五省份1991 年城镇居民生活消费的分布规律，需要用调查资料对这五 个省分类，变量名称及原始数据如下表所示： 表 1991年辽宁等5省城镇居民月均消费数据（单位：元/人） X1 X2 X3 X4 X5 X6 X7 X8 人均粮食 变量支出 副食 烟酒 其它 衣着 日用 燃料 非 省份 茶 副食 品 商 品 辽宁 7.90 39.77 8.94 12.94 19.27 11.05 2.04 13.29 浙江 7.68 50.37 11.35 13.30 19.25 14.59 2.75 14.87 河南 9.42 27.93 8.20 8.14 16.17 9.42 1.55 9.76 甘肃 9.16 27.98 9.01 9.32 15.99 9.10 1.82 11.35 青海 10.06 28.64 10.52 10.05 16.18 8.39 1.96 10.81 例2 某高校举办一个培训班，从学员的资料中得 到这样6个变量：性别（x1 ）,取值为男和女； 外语语种（x2 ），取值为英、日和俄；专业 （x3 ），取值为统计、会计和金融；职业 （x4 ），取值为教师和非教师；居住处（x5 ）， 取值为校内和校外；学历（x6 ），取值为本科 和本科以下。 现有两名学员 （男，英，统计，非教师，校外，本科） (女，英，金融，教师，校外，本科以下) 聚类的基本思想： • 首先定义能度量样品（或变量）间相似程度 （亲 疏关系）的统计量，在此基础上求出各样品（或 变量）间相似程度的度量值；然后按相似程度的 大小，把样品（或变量）逐一归类，关系密切的 聚集到一个小的分类单位，关系疏远的聚和到一 个大的分类单位，直到所有的样品（或变量）都 聚合完毕，把不同的类型一一划分出来，形成一 个由小到大的分类系统；最后根据整个分类系统 画出一副分群图，称之为亲疏关系谱系图。 • ⑴系统聚类法：首先，将个样品看成n类， 然后将性质最接近的两类合并成一个新类， 得到n-1类，合并后重新计算新类与其它类 的距离与相近性测度。这一过程一直继续 直到所有对象归为一类为止，并且类的过 程可用一张谱系聚类图描述。 • ⑵动态聚类法（调优法）：首先对个对象 初步分类，然后根据分类的损失函数尽可 能小的原则进行调整，直到分类合理为止。 • ⑶有序样品聚类法 （最优分割法）：开始将所有样品 看成一类，然后根据某种最优准则将它们分割为二类、 三类，一直分割到所需的K类为止。这种方法适用于 有序样品的分类问题，故称为有序样品聚类法． • ⑷模糊聚类法：该方法多用于定性变量的分类．利用 模糊集理论来处理分类问题，它对经济领域中具有模 糊特征的两态数据和多态数据具有明显的分类效果． • ⑸图论聚类法：利用图论中最小支撑树的概念来处理 分类问题，创造了独具风格的方法． • ⑹聚类预报法：利用聚类方法处理预报问题，在多元