第8章 聚类分析 《相关管理统计学》课件.pptVIP

第8章 聚类分析;8 聚类分析;例：对7种产品的销售情况进行检验。共有两个指标，销售额和销售量，其数值分别如下表所示。选择合适的统计方法对这些产品进行分类。 ;现在如果将这七个产品按照销售量和销售额的大小把他们分成两类。很容易得出，产品1，2，3应该是一类的，产品4，5，6，7应该是一类的。如果将他们分成三类，则仍很易得出产品1，2，3还是一类的，产品4，5，6是一类的，产品7是自成一类的。 可见对产品的分类事先是没有给定标准的，完全从给出的样本数据出发进行分类。产品1和2，3在一类是因为在销售量和销售额上的接近，与产品4，5，6，7不在一类，则是因为在销售量和销售额上比较大的差距。;聚类分析的作用正是在于此，主要用于辨识具有相似性的事物，并根据彼此不同的特性加以“聚类”，即自动分类，使同一类的事物具有高度的相似性，不同类的事物有较大的差异性。 它是把事物按其相似程度进行分类，在分类过程中，人们无需自己先定义一个分类标准，聚类分析能够从现有的样本数据出发，按它们的亲疏程度分成若干类。 ;聚类分析的分类;聚类分析的步骤;度量样本之间相似程度的统计量 ;;常用距离的分类;;;;相似系数;相似系数;类间距离计算方法;类间距离计算方法;类间距离计算方法;类间距离计算方法;类间距离计算方法;类间距离计算方法;类间距离计算方法;类间距离计算方法;聚类分析的类型;8.2 系统聚类法;系统聚类方法分类（待续）;系统聚类方法分类（续）;8.3 系统聚类的SPSS应用;地区;操作及其说明;Hierarchical Cluster Analysis：Statistics;Hierarchical Cluster Analysis： Method;Cluster Method选择的聚类方法;距离的测度方法选择（待续）;距离的测度方法选择（续）;确定标准化的方法;Hierarchical Cluster Analysis：Plots;Hierarchical Cluster Analysis：Save New Variables;样本处理表 Case Processing Summarya，b;聚类过程表 Agglomeration Schedule;冰柱图;聚类的树形图;系统聚类法在数据编辑窗口的输出;8.4 K均值聚类法;;快速聚类分析具体分析步骤;快速聚类分析 ;8.5 K均值聚类法的SPSS应用;K-Means Cluster Analysis：Iterate;K-Means Cluster Analysis：Save New Variables;K-Means Cluster Analysis：Options;初始类中心表???Initial Cluster Center）;迭代历史表 Iteration History(a) ;类别关系表 (Cluster Membership);终止聚类时中心表 （Final Cluster Centers）;终止聚类时各中心的距离表（Distances between Final Cluster Centers）;各类的观测量统计表 （Number of Cases in each Cluster）;聚类分析最终结果文件