距离函数与相似系数.docVIP

一、分类统计量----距离与相似系数 1.1? 欧氏距离 1.2 绝对距离 1.3 Minkowski 距离 1.4 Chebyshev距离 1.5 方差加权距离 其中 1.6 马氏距离 其中 S 是由样品算得的协方差矩阵： 样品聚类通常称为Q型聚类，其出发点是距离矩阵。 2．变量间的相似性度量----相似系数 当对p个指标变量进行聚类时，用相似系数来衡量变量之间的相似程度（或关联程度）。一般地，若 表示变量之间的相似系数，应满足： 的绝对值越接近于1，说明变量 的关联越大。 相似系数中最常用的是相关系数与夹角余弦。 2.1 相关系数 变量之间的相关系数定义为： 事实上，是变量的观测值 之间的相关系数。 2.2 夹角余弦 变量的观测值 ，其夹角余弦定义为： 变量聚类通常称为 R 型聚类。在 R 型聚类中，相似系数矩阵 C 是出发点，相似系数矩阵可以是相关矩阵，也可以是夹角余弦矩阵。 二、谱系聚类法 1．类间距离定义 1.1 最短距离 1.2 最长距离 1.3 类平均距离 1.4 重心距离 1.5 离差平方和距离 2．类间距离的递推公式 2.1 最短距离 2.2 最长距离 2.3 类平均距离 2.4 重心距离 2.5 离差平方和距离 Matlab提供了两种方法进行聚类分析。 一种是利用 clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法； 另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用 linkage函数定义变量之间的连接；（3）用 cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。 1．Matlab中相关函数介绍 1.1 pdist函数 调用格式：Y=pdist(X,’metric’) 说明：用 ‘metric’指定的方法计算 X 数据矩阵中对象之间的距离。’ X：一个m×n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n。 metric’取值如下： ‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离； ‘mahalanobis’：马氏距离；‘cityblock’：布洛克距离； ‘minkowski’：明可夫斯基距离；‘cosine’： ‘correlation’： ‘hamming’： ‘jaccard’： ‘chebychev’：Chebychev距离。 1.2 squareform函数 调用格式：Z=squareform(Y,..) 说明： 强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。 1.3 linkage函数 调用格式：Z=linkage(Y,’method’) 说 明：用‘method’参数指定的算法计算系统聚类树。 Y：pdist函数返回的距离向量； method：可取值如下： ‘single’：最短距离法（默认）； ‘complete’：最长距离法； ‘average’：未加权平均距离法； ‘weighted’： 加权平均法； ‘centroid’： 质心距离法； ‘median’：加权质心距离法； ‘ward’：内平方距离法（最小方差算法） 返回：Z为一个包含聚类树信息的（m-1）…]=dendrogram(Z,p，…) 说明：生成只有顶部p个节点的冰柱图（谱系图）。 1.5 cophenet函数 调用格式：c=cophenetic(Z,Y) 说明：利用pdist函数生成的Y和linkage函数生成的Z计算cophenet相关系数。 1.6 cluster 函数 调用格式：T=cluster(Z,…) 说明：根据linkage函数的输出Z 创建分类。 1.7 clusterdata函数 调用格式：T=clusterdata(X,…) 说明：根据数据创建分类。 T=clusterdata(X,cutoff)与下面的一组命令等价： Y=pdist(X,’euclid’); Z=linkage(Y,’single’); T=cluster(Z,cutoff);