第五讲聚类分析(SPSS应用).ppt

zf zf 第三章 聚类分析 (Cluster Analysis) 3.1 聚类分析的基本思想 一、什么是聚类分析？ 聚类分析(P54) 是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。 将个体或对象分类，使得同一类中的对象之间的相似性比与其他类的对象的相似性更强。 聚类分析的目的(P54) 使类内对象的同质性最大化和类间对象的异质性最大化。 三：分类包括： （1）已知道类的数目，各类特征（如分布规律或知道各类的训练样本），目的是要将另一些要解决的问题进行归属于哪一类-----------判别分析。 （2）不知分几类，也不知类的特征-------------------------聚类分析。 聚类分析的应用：无处不在 早在孩提时代，人就通过不断改进下意识中的聚类模式来学会如何区分猫和狗，动物和植物 谁经常光顾商店，谁买什么东西，买多少？ 按忠诚卡记录的光临次数、光临时间、性别、年龄、职业、购物种类、金额等变量分类 这样商店可以…. 识别顾客购买模式（如喜欢一大早来买酸奶和鲜肉，习惯周末时一次性大采购） 刻画不同的客户群的特征（用变量来刻画，就象刻画猫和狗的特征一样） 为什么这样分类？（分类的好处） 因为每一个类别里面的人消费方式都不一样，需要针对不同的人群，制定不同的关系管理方式，以提高客户对公司商业活动的参与率。 挖掘有价值的客户，并制定相应的促销策略： 如，对经常购买酸奶的客户 对累计消费达到12个月的老客户 针对潜在客户派发广告，比在大街上乱发传单命中率更高，成本更低！ 谁是银行信用卡的黄金客户？ 利用储蓄额、刷卡消费金额、诚信度等变量对客户分类，找出“黄金客户”！ 这样银行可以…… 制定更吸引的服务，留住客户！比如： 一定额度和期限的免息透资服务！ 百盛的贵宾打折卡！ 在他或她生日的时候送上一个小蛋糕！ 例1 对10位应聘者做智能检验。3项指标X，Y和Z分别表示数学推理能力，空间想象能力和语言理解能力。其得分如下，选择合适的统计方法对应聘者进行分类。 例如当我们对企业的经济效益进行评价时，建立了一个由多个指标组成的指标体系，由于信息的重叠，一些指标之间存在很强的相关性，所以需要将相似的指标聚为一类，从而达到简化指标体系的目的。 三、聚类分析类型及方法 1、聚类分析的类型有： 对样本分类，称为Q型聚类分析 对变量分类，称为R型聚类分析 Q型聚类是对样本进行聚类，它使具有相似性特征的样本聚集在一起，使差异性大的样本分离开来。 R型聚类是对变量进行聚类，它使具有相似性的变量聚集在一起，差异性大的变量分离开来，可在相似变量中选择少数具有代表性的变量参与其他分析，实现减少变量个数，达到变量降维的目的。 2、聚类分析的方法： 系统聚类（层次聚类） 非系统聚类（非层次聚类） 系统聚类法包括：凝聚方式聚类、分解方式聚类 非系统聚类法包括：模糊聚类法、K－均值法（快速聚类法）等等 3.2 相似性度量 1、样本或变量的相似性程度的数量指标： （1）相似系数 性质越接近的变量或样品，它们的相似系数越接近于1或一l，而彼此无关的变量或样品它们的相似系数则越接近于0，相似的为一类，不相似的为不同类； （2）距离 它是将每一个样品看作p维空间的一个点，并用某种度量方法测量点与点之间的距离，距离较近的归为一类，距离较远的点应属于不同的类。 样本分类（Q型聚类）常以距离刻画相似性 指标分类(R型聚类)常以相似系数刻画相似性 距离和相似系数有着各种不同的定义，而这些定义与变量类型有着非常密切的关系。 变量可分为定性变量和定量变量。若按测量尺度的不同可以分为： （1）间隔尺度变量：变量用连续的量来表示，如长度、重量、速度、温度等。 （2）有序尺度变量：变量度量时不用明确的数量表示，而是用等级来表示，如产品分为一等品、二等品、三等品等有次序关系。 （3）名义尺度变量：变量用既没有数量关系也没有次序关系，只有一些特性状态，如性别、职业、产品的型号等。 一、间隔尺度变量的相似性度量 1、距离 设有n个样本单位，每个样本测有p个指标（变量），原始资料阵为： 每个样本都可以看成p维空间中的一点，n个样本就是p维空间中的n个点。 第i个样本与第j个样本之间的距离记为 聚类过程中，相距较近的点归为一类，相距较远