生物统计学课件-ch16聚类分析.pptVIP

先做一些简单的计算： 4号和6号得分离差的平方和： (21-20)2 + (23-23)2 + (22-22)2 = 1 1号和2号得分离差的平方和： (28-18)2 + (29-23)2 + (28-18)2 = 236 1号和3号得分离差的平方和为 482。 由此可见，4号和6号的“距离”较近，1号和2号的“距离”较远，1号和3号的“距离”更远。 由此，我们的考虑是否可以用“距离”将不同的应聘者分类。 问题：如何选择样品间相似的测度指标，如何将有相似性的类连接起来？ 距 离 距 离 1. 欧式（Euclidian ）距离 实例计算 Euclidian距离 欧式距离的平方(Squared Euclidian Distance) Euclidian距离的平方 2. 明氏（Minkowski）距离 变量标准化 3. Mahalanobis 距离 4. Lance和Williams 距离 5. 斜交空间距离 6. 配合距离 相似系数 1. Pearson相关系数 2. 夹角余弦（Cosine） 系统聚类法（hierarchical clustering method） 最短距离法(single linkage，nearest neighbor) 最长距离法(complete linkage, furthest neighbor) 中间距离法(median clustering) 中间距离法的变形—可变法 类平均法(average linkage between group) 可变类平均法(flexible-beta method) 重心法(centroid method) Ward最小方差法(Ward’ minimum variance method) 有关问题 分类结果 SPSS还提供了第三种聚类方法 TwoStep Cluster: 智能聚类方法，用于聚类的变量可以是连续变量或离散变量。占用内存少，运算速度快。 分两个步骤完成： 1、预聚类：通过构建和修改聚类特征树完成。 2、正式聚类：以第一步完成的预聚类作为输入，对之进行再聚类。（这一步是用层次聚类法完成的） 两步聚类法功能强大，但原理较为复杂。 例：患有某种疾病的500例患者的数据见drug.sav。通过聚类方法对病人进行归类，以便更好地分析这种病例的特征。 连续变量默认进行标准化 样本被分为1～15类时的BIC值 相邻两类的间距比，3个峰值 连续变量的分类特征 Within Cluster Percentage Categorical Variablewise Importance Continuous Variablewise Importance SPSS上机练习 中、美、法等七国裁判和体育爱好者对体操比赛选手的评分情况如judges.sav。请根据打分的差异对裁判进行分类。 练习1: 对变量进行聚类 欧几里得距离的平方 如果变量间单位不同或数值差异较大，则需要进行标准化 聚类方法： 类平均法 给出每一步类合并的具体情况及相应类之间的距离 希望分类的个数 相似矩阵 给出系统树图 Average Linkage (Between Groups) 第一步变量2和4合并，第二步3和5合并，第三步2（4）合并6，依次类推，直到所有变量全部合并。 Dendrogram 练习2：在plastic.sav的数据中，根据有关知识，认为20种塑料可以被分为3类。请根据tear_res ，gloss和opacity的取值对其进行分类 指定分3类 K-means cluster 三类中心的初始位置。 迭代3次后收敛。 6个民族的粗死亡率与期望寿命 6个民族的粗死亡率与期望寿命（最短距离法） 样品间：欧氏距离类类间：两类间的距离取两样品间最长的距离。 K L J M √ 6个民族的粗死亡率与期望寿命（最长距离法） （最短距离法） 最长距离夸大了类间距离，最短距离低估了类间距离。介于两者间的距离即为中间距离 K L J M √ SPSS作为默认方法,称为 between-groups linkage K L J M 类平均法的变型 K L J M B2 A2 * * A1 B1* * * B3 类类间的距离用各自重心间的距离表示 先将n个样品各自成一类，然后每次每缩小一类，每缩小一类离差平方和就要增加，选择使离差平方和增加（SSM