东北农业大学理学院多元统计分析课件 第三章（3）.ppt

zf zf 第三章 聚类分析 第三节 3.5 非系统聚类法 也叫做逐步聚类法、动态聚类法、k-均值聚类法、或快速聚类法。——事先要确定分多少类 假定你说分3类，这个方法还进一步要求你事先确定3个点为“聚类种子”(SPSS软件自动为你选种子)；也就是说，把这3个点作为三类中每一类的基石。 然后，根据和这三个点的距离远近，把所有点分成三类。再把这三类的中心（均值）作为新的基石或种子（原来的“种子”就没用了），重新按照距离分类。 如此叠代下去，直到达到停止叠代的要求（比如，各类最后变化不大了，或者叠代次数太多了）。显然，前面的聚类种子的选择并不必太认真，它们很可能最后还会分到同一类中呢。下面用饮料例的数据来做k-均值聚类。 例：假定要把例1中16种饮料分成3类。 根据需要，可以输出哪些点分在一起。结果是： 第一类为饮料1、10； 第二类为饮料2、4、8、11、12、13、14； 第三类为剩下的饮料3、5、6、7、9、15、16。 K-均值聚类SPSS处理： 1、Analyze－Classify－K-Menas Cluster 2、Variables：calorie（热量）、caffeine（咖啡因）、sodium（钠）、price（价格） 3、Number of Clusters处选择3（想要分的类数） 4、如果想要知道哪种饮料分到哪类，则选Save，再选Cluster Membership等 注意： k-均值聚类只能做Q型聚类，如要做R型聚类，需要把数据阵进行转置。 聚类分析步骤： * cxt * 3.6 K-均值聚类 3.7 计算步骤和上机实现 3.8 社会经济案例研究 确定待研究的问题 选择聚类用的距离或相似系数 选择聚类方法 确定类别的个数 评估聚类分析的效果 解释聚类分析的结果 1.先确定待研究的问题和待分类的对象 1.所选的方法与所选的距离是有关的 2.小样本与大样本 3.两者的串联使用 1.聚类时多采用距离统计量 2.变量聚类时多采用相似系数统计量 3.不同度量单位的影响 透过比较各类别的中心，来识别各个类别的意义，从而给各个类别命名 1.相关的理论或实践上的需要 2.系统聚类法 3.非系统聚类法 * * 计算步骤与上机实践 目录 上页 下页 返回 结束 在这个数据文件中，我们选择的变量(Variables(s))有Urban（城市人口比例），Lifeexpf（女性平均寿命）、Lifeexpm（男性平均寿命）、Literacy（有读写能力的人所占比例）、Gdp_cap（人均国内生产总值），以Country（国家或地区）来标识(Label Cases)本例中的17个亚洲国家或地区，并以其他5个变量进行Q型聚类分析，即对国家进行聚类。 这里我们将原始变量标准化（在Method选项下Transform Values的Standardize空白框内，选择Z Scores），在Statistics选项中选择Agglomeration Schedule，聚类方法选择组内联结法(Within-group linkage)，计算距离选择平方欧氏距离，输出冰柱图和树状聚类图。得到的结果如下： * * 聚类分析计算步骤与上机实践 目录 上页 下页 返回 结束 * * §3.7 计算步骤与上机实践 目录 上页 下页 返回 结束 * * §3.7 计算步骤与上机实践 目录 上页 下页 返回 结束 将表3-8的聚合系数利用Excel作出聚合系数随分类数变化曲线,如图3-13. * * §3.7 计算步骤与上机实践 目录 上页 下页 返回 结束 * * §3.7 计算步骤与上机实践 目录 上页 下页 返回 结束 输出结果中，表3.9表示接近度矩阵，是反映样品之间相似性或者相异性的矩阵。本例中由于计算距离使用的是平方欧氏距离，所以样品间距离越大，样品越相异，如果我们计算距离选择Pearson相关系数，则接近度矩阵是相似性矩阵。由表中矩阵可以看出，Bangladesh（孟加拉国）与Cambodia（柬埔寨）的距离是最小的，因此它们最先聚为一类。 图3.9是冰柱图，也是反映样品聚类情况的图，如果按照设定的类数，在那类数的行上从左到右就可以找到各类所包含的样品。比如我们希望分为三类，最左边的类数应选3，每个样品右边都有一列X，如果某个样品右边的X个数少于3，那么它和前面多于3个X的样品聚为一类，如此下去，直到找到全部三类为止。例如，Hong Kong右边的列只有两个X