Cluster Analysis(丛聚分析).doc

Cluster Analysis(叢聚分析) 假設現有n個個體，每個個體取p種測量值。 ˙將p種測量值影響其變化的因子找出並按照共同因子分類(因子分析) ˙若n個個體有明顯確定的生物分類(判別分析或分類分析) ˙依照p個測量值訂定n個個體之”距離”(或相似矩陣)，或依照某種方法(如DNA差異百分比)決定個體”距離”而自行將n個個體分類(叢聚分析) 叢聚分析有兩種類型： 相斥(disjoint) cluster 在不同叢聚中之個體彼此互斥 層疊(hierarchical) cluster 1 2 3 4 5 應用 ˙心理學上，將個體分成不同人格的類別 ˙生物演化的樹型(族譜) ˙商業調查中，將顧客分類 ˙將城市依其城市各項指標分類 共有多少組合? 叢聚分析組合數看叢聚個數而定，並視是否允許叢聚中個體數為0而不同，(看成不同，即均可分辨) 叢聚：看成機率理論中的盒子數(可分辨或不可分辨) 組合情形如下： 球數n 所有情形 不允許空盒 m盒子可分辨 m盒子不可分辨 ：Stirling number of the second kind 例： (12,3),(13,2),(23,1) (1,234),(2,134),(3,124),(4,123),(12,34),(13,24),(14,23) (1,2,34),(1,3,24),(1,4,23),(2,3,14),(3,4,12),(2,4,13) ,,, ,,, 不同人種遺傳距離: Hartman et.al. (1994,Am. J. Hum. Genet.) examined the diversity of races in US based on VNTR RFLP at 4 loci. Nei’s genetic distances were computed in the following table. Use UPGMA to cluster the past evolution tree of the 6 races. (Note this data is based on 4 loci only. It is subject to some bias. ) / Chinese Japanese Korean Vietnamese Black White Hispanic C ___ 0.024 0.004 0.021 0.040 0.047 0.032 J *** _____ 0.012 0.024 0.020 0.037 0.019 K *** *** _____ 0.015 0.026 0.027 0.023 V *** *** *** _____ 0.034 0.043 0.018 B *** *** *** *** _____ 0.023 0.021 W *** *** *** *** *** _____ 0.010 H *** *** *** *** *** *** _____ options nodate nonotes ps=60; data genmtx (type=distance); input C J K V B W H races $; cards; 0.000 0.024 0.004 0.021 0.040 0.047 0.032 C 0.024 0.000 0.012 0.024 0.020 0.037 0.019 J 0.004 0.012 0.000 0.015 0.026 0.027 0.023 K 0.021 0.024 0.015 0.000 0.034 0.043 0.018 V 0.040 0.020 0.026 0.034 0.000 0.023 0.021 B 0.047 0.037 0.027 0.043 0.023 0.000 0.010 W 0.032 0.019 0.023 0.018 0.021 0.010 0.000 H ; proc cluster method=average nonorm nosquare; id races; proc tree; run; The CLUSTER Procedure Average Linkage Cluster Analysis C