2012聚类分析说明(三).pptVIP

第二讲 聚类分析;聚类分析起源于分类学，在考古的分类学中，人们主要依靠经验和专业知识来实现分类。 随着生产技术和科学的发展，人类的认识不断加深，分类越来越细，要求也越来越高，有时光凭经验和专业知识是不能进行确切分类的，往往需要定性和定量分析结合起来去分类。 于是数学工具逐渐被引进分类学中，形成了数值分类学。后来随着多元分析的引进，聚类分析又逐渐从数值分类学中分离出来而形成一个相对独立的分支。; 与多元分析的其他方法相比，聚类分析方法较为粗糙，理论上还不够完善，正处于发展阶段。 但是，由于该方法应用方便，分类效果较好，因此越来越为人们所重视。近些年来聚类分析的方法发展较快，内容越来越丰富。 ;社会经济领域中存在着大量分类问题：;又如：若对某些大城市的物价指数进行考察， 而物价指数很多，有农用生产物价指数、服务项目物价指数、食品消费物价指数、建材零售价格指数等等。由于要考察的物价指数很多，通常先对这些物价指数进行分类。总之，需要分类的问题很多。 因此聚类分析这个有用的数学工具越来越受到人们的重视，它在许多领域中都得到了广泛的应用。 值得提出的是将聚类分析和其它方法联合起来使用，如判别分析、主成分分析、回归分析等往往效果更好。; 2 距离和相似系数;变量的类型;;问题转变为矩阵的行与行、列与列向量间的相似关系的讨论;问题转变为矩阵的行与行、列与列的向量间的相似关系的讨论; 1 、 对样品分类(称为Q—型聚类分析)常用的距离和相似系数定义;i)明氏(Minkowski)距离;采用明氏距离时要注意:;在明氏距离中，最常用的是欧氏距离。 主要优点：是当坐标轴进行正交旋转时，欧氏距离是保持不变的。因此，如果对原坐标系进行平移和旋转变换，则变换后样本点间的相似情况(即它们间的距离)完全同于变换前的情形。 不足之处： 第一、它与各指标的量纲有关 第二、它没有考虑指标之间的相关性;举例说明欧氏距离的明显的不足之处;这时讨论距离时，需要进行加权，加权的办法之一是从X的分量的离散程度考虑，离差大的分量在距离中应相应地削弱它的影响程度。为此???入马氏距离。 马氏距离是由印度统计学家马哈拉诺比斯于1936年引入的，故称为马氏距离。这一距离在多元统计分析中起着十分重要的作用，下面给出定义。;ii)马氏(Mahalanobis)距离;ii)马氏距离的优缺点;距离矩阵;相似系数; i)夹角余弦;相似矩阵; ii)相关系数;相似矩阵; 2 对指标分类(称为R-型聚类分析) ;常用的距离和相似系数定义; 聚类分析内容;系统聚类法的基本思想;在如上的并类过程中出现这样一个问题：两类之间如何度量其相似程度?为此，需要引进两类之间的“距离”或“相似系数”的概念。 正如样品之间的距离可以有不同的定义方法一样，类与类之间的距离也有各种定义。例如可以定义类与类之间的距离为两类之间最近样品的距离，或者定义为两类之间最远样品的距离，也可以定义为两类重心之间的距离等等。类与类之间用不同的方法定义距离，就产生了不同的系统聚类方法。; 八种系统聚类方法;系统聚类法的具体步骤：;;;;;;;;谱系聚类类数的确定;四、类个数的确定;1．由适当的阀值确定;2．根据数据点的散布图直观地确定类的个数;;;;;