聚类分析课件_1.ppt

§ 3.5 模糊聚类分析 § 3.5 模糊聚类分析 3.5.3 模糊聚类分析计算步骤 1.对原始数据进行变换。变换方法通常有标准化变换、极差变换、对数变换等。 § 3.5 模糊聚类分析 § 3.5 模糊聚类分析 § 3.6 K-均值聚类和有序样品的聚类 3.6.1 K-均值法(快速聚类法) 非谱系聚类法是把样品（而不是变量）聚集成K个类的集合。类的个数K可以预先给定，或者在聚类过程中确定。非谱系方法可应用于比系统聚类法大得多的数据组。 非谱系聚类法或者一开始就对元素分组，或者从一个构成各类核心的“种子”集合开始。选择好的初始构形，将能免除系统的偏差。一种方法是从所有项目中随机地选择“种子”点或者随机地把元素分成若干个初始类。 § 3.6 K-均值聚类和有序样品的聚类 K-均值法, 又叫快速聚类法，是Macqueen于1967年提出的，其思想是把每个样品聚集到其最近形心（均值）类中去。在它的最简单说明中，这个过程由下列三步所组成： 把样品粗略分成K个初始类； 进行修改，逐个分派样品到其最近均值的类中去（通常用标准化数据或非标准化数据计算欧氏距离）。重新计算接受新样品的类和失去样品的类的形心（均值）； 重复第2步，直到各类无元素进出。 § 3.6 K-均值聚类和有序样品的聚类 若不在一开始就粗略地把样品分到K个预先指定的类（第1步），那我们也可以指定K个最初形心（种子点），然后进行第2步。 样品的最终聚类在某种程度上依赖于最初的划分，或种子点的选择。 为了检验聚类的稳定性，可用一个新的初始分类重新检验整个聚类算法。如最终分类与原来一样，则不必再行计算；否则，须另行考虑聚类算法。见[11] § 3.6 K-均值聚类和有序样品的聚类 3.6.2 有序样品的聚类 在前几节的讨论中，分类的样品是相互独立的，分类时彼此是平等的。但在有些实际问题中，要研究的现象与时间的顺序密切相关。例如我们想要研究，从1949年到2003年以来，国民收入可以划分为几个阶段，阶段的划分必须以年份顺序为依据，总的想法是要将国民收入接近的年份划分到一个段内，要完成类似这样的问题的研究，用前几节分类的方法显然是不行了。 § 3.6 K-均值聚类和有序样品的聚类 对于这类有序样品的分类，实质上是需要找出一些分点，将它们划分成几个分段，每个分段看作一类，称这种分类为分割。显然，分点在不同位置可以得到不同的分割。这样就存在一个如何决定分点，使达到所谓最优分割的问题。即要求一个分割能使各段内部样品间的差异最小，而各段之间样品的差异最大。这就是决定分割点的依据。 § 3.6 K-均值聚类和有序样品的聚类 1、可能的分类数目 § 3.6 K-均值聚类和有序样品的聚类 2、最优分割法 § 3.6 K-均值聚类和有序样品的聚类 § 3.6 K-均值聚类和有序样品的聚类 § 3.6 K-均值聚类和有序样品的聚类 §3.7 计算步骤与上机实践 本书以SPSS15.0和S-Plus2000两种软件来说明前面讲述的几种聚类法的实现过程。具体步骤如下： 分析所需要研究的问题，确定聚类分析所需要的多元变量； 选择对样品聚类还是对指标聚类； 选择合适的聚类方法； 选择所需的输出结果。 我们将实现过程用逻辑框图表示为图3.8。 §3.7 计算步骤与上机实践 § 3.3 类和类的特征 (2) 最长距离法（farthest neighbor或complete linkage method）。 § 3.3 类和类的特征 (3) 类平均法(group average method)。 § 3.3 类和类的特征 (4) 重心法(Centroid method)。 (5) 离差平方和法（Sum of Squares method）。 §3.4 系统聚类法 系统聚类法(hierarchical clustering method)在聚类分析中诸方法中用的最多，包含下列步骤： §3.4 系统聚类法 不同的距离定义方式用到系统聚类程序中，得到不同的系统聚类法。我们现在通过一个简单的例子，来说明各种系统聚类法。 【例3.4】 为了研究辽宁等5省份2000年城镇居民消费支出的分布规律，根据调查资料作类型划分。指标名称及原始数据见表3.5。资料来源[10] §3.4 系统聚类法 §3.4 系统聚类法 3.4.1 最短距离法和最长距离法 所谓最短距离法就是类与类之间的距离采用(3.12)的系统聚类方法。 §3.4 系统聚类法 §3.4 系统聚类法 §3.4 系统聚类法 §3.4 系统聚类法 §3.4 系统聚类法 所谓最长距离法是类与类之间的距离采用（3.13）的系统聚类法。选择最大的距离作为新类与其