section7-聚类分析.pdfVIP

第七章 聚类分析 主要内容 聚类分析原理 SAS聚类分析过程 应用案例分析 一、聚类分析原理 聚类分析的概念 聚类分析（Cluster Analysis ）是研究“物以类 聚”的一种多元统计方法。国内有人称它为群 分析、点群分析、簇群分析等。 是依据研究对象的个体的特征进行分类的方法。 把分类对象按一定规则分成若干类，这些类非 事先给定的，而是根据数据特征确定的。 聚类分析的基本思想及技术路径 基本思想是认为我们所研究的样本或指标（变量） 之间存在着程度不同的相似性（亲疏关系）。于是 根据获得样本的多个观测指标寻找能度量其样品 （变量）之间亲疏关系的统计量，然后根据这种统 计量把这些样品（变量）分为若干类。 技术路径：按相似程度的大小，将样品（或变量） 逐一归类，关系密切的类聚集到一个小的分类单 位，然后逐步扩大，使得关系疏远的聚合到一个大 的分类单位，直到所有的样品（或变量）都聚集完 毕，形成一个表示亲疏关系的谱系图，依次按照某 些要求对样品（或变量）进行分类. 聚类分析的类型 . 多元数据形成数据矩阵,见下表在这个数据矩 , , , ( ) 阵中,共有n个样品x1 x2 xn 列向，p个指标（行 向）.聚类分析有两种类型：按样品聚类(Q型）或 按变量（指标）聚类（R型）。 样品 x1 x 2 xj xn 指标 x x x x x 1 1 1 2 1 j 1 n 1 x x x x x 2 1 2 2 2 j 2 n 2 x x x x x p 1 p 2 p j p n p R型聚类分析的主要作用： ⒈不但可以了解个别变量之间的亲疏程度，而且可 以了解各个变量组合之间的亲疏程度。 ⒉根据变量的分类结果以及它们之间的关系，可以 选择主要变量进行Q型聚类分析或回归分析。（R2为 选择标准） Q型聚类分析的主要作用： ⒈可以综合利用多个变量的信息对样本进行分析。 ⒉分类结果直观，聚类谱系图清楚地表现数值分类 结果。 ⒊聚类分析所得到的结果比传统分类方法更细致、 全面、合理。 在课堂上主要讨论Q型聚类分析, Q型聚类常用的统计量是 距离. 常用的聚类统计量 距离系数（相异性度量）：一般用于对样品进 行归类 相似系数（相似性度量）：一般用于对变量进 行归类 聚类分析的基本步骤 数据变换处理 聚类统计量计算 选择聚类方法 标准化处理 为了便于后面的说明，作如下假设： 所有样本表示为 均值表示为 标准差表示为 x ⎡⎢x11 1m⎤⎥ x 1 n x 1 n 2 X j ∑ij S