聚类分析和判别分析ppt课件.pptVIP

Chap19 聚类分析和判别分析 P268~279 Cluster analysis and discriminant analysis 教学目的与要求 ：1.5学时 掌握：意义、用途和一般步骤。 熟悉：SPSS操作方法和结果的解读。 了解：Fisher判别、Bayes判别 。 教学内容提要 ： 重点讲解：意义、用途和一般步骤。 讲解： SPSS的操作方法。 介绍： Fisher判别、Bayes判别 。 重点：意义、用途和一般步骤。 难点： Fisher判别、Bayes判别 。;§1　聚类分析(Cluster Analysis) P268 一、概念：将没有分类信息的资料按距离最近或最相似的聚为一类的原则进行探索性分类的方法。 类中的个体相似，类间的个体差异大。 二、分类 1.样品聚类（Q型聚类）：对n个观测对象（观察单位）进行聚类。 2.变量聚类（R型聚类）：对m个观测指标（变量）聚类。;三、描述指标: 相似性系数（similarity coefficient） 1.样品聚类（Q型） 计量: Pearson r 等级: Spearman rs 计数: 列联系数 c 2.变量聚类（R型） 计量: 欧氏、马氏距离 等级: →数量化→欧氏、马氏 计数: 列联系数 c ;四、 聚类方法 1.有序样品聚类: 大小顺序，同类样品必须相邻。Hb 2.模糊聚类: 属性→模糊矩阵→分类。三好、优干 3.快速聚类（Quick cluster，K-均值聚类K-Means Cluster，逐步聚类） : L19-1 大n→k类→k个中心（均值）→归类（最小距离原则）。 4.系统聚类: L19-2 n类→缩类（相近原则）→k类（目标）;学生 编号;【SPSS操作】样品聚类，可用快速聚类法。 建立6列10行的数据文件L19-1.sav：以常识、算术、理解、填图、积木、译码为变量名。 Analyze → Classify → K-Means Cluster，所有变量入Variables；将“Number of Clusters：2 改为 3 （智力分上中下3类）→ Options ，√ ANOVA table、√ Cluster information for each case→ Continue →OK;;;（上中下3类智力只在填图和译码的平均分上差别有统计学意义, 即填图和译码可作为聚类变量）;【例19-2】 L19-1.sav：按测试项目进行聚类分析。 变量聚类，采用系统聚类法。 Analyze →Classify →Hierarchical Cluster（系统聚类分析），所有变量入Variable(s)，⊙Variables（变量聚类）→Plots，Dendrogram（树状图，显示每步合并的聚类与系数的值）→Continue→OK ;;;§2　判别分析(discriminant analysis ) P273 一、意义：判别样品所属类型。 用于判别任意一个已知特定测量指标取值，但分类未知的个体应归属于哪一类。 判别值Y＝a1X1+ a2 X2 +…+ amXm （19-1） a l、a2、…、am为各变量的判别系数。 聚类：要划分的类型事先不知，确定类型。无类分类 判别：已知变量值及其分类，建立判别式，对未知类型的样品进行判别分类。如评优. 有类归类 判别分析和聚类分析往往联合起来使用。;二、步骤 ;三、 方法：按判别准则 1. Fisher判别法(典则判别canonical discriminant) : 用于两类判别（g=2）。 L19-3 金标准→ A、B两类:m个观测指标,nA、nB例→判别界值Yc＝(YA+YB)/2 判别规则：个体Yi＞Yc → A类； Yi＜Yc → B类； Yi＝Yc →任一类。 2. Bayes判别法 :多类判别（g≥2） 。 先验概率→用Bayes公式构造判别函数→计算个体属于各类别的后验概率→按后验概率值最大并超过后验概率的临界值进行归类。 ;四、 判别效果的考核 判别函数必须通过验证才能应用 。 1.训练样本回代法 :用建立判别函数的训练样本进行回代→错判概率。偏低。 2.样本二分法 :将已知类别的大n→随机分成大小两部分→大的部分 (85％)建立判别函数，小的用于验证→错判概率。 3.刀切法（jackknife交叉考核法） :n个→逐个搁置→对其余的n-1个个体进行判别分析，求出判别规则，→对搁