matlab数据分析方法5.pptxVIP

普通高等院校计算机课程规划教材;第六章 聚类分析;第2章 数据描述性分析;6.1.1聚类的思想 在社会经济领域中存在着大量分类问题，比如对我国30个省市自治区独立核算工业企业经济效益进行分析，一般不是逐个省市自治区去分析，而较好地做法是选取能反映企业经济效益的代表性指标，如百元固定资产实现利税、资金利税率、产值利税率、百元销售收入实现利润、全员劳动生产率等等，根据这些指标对30个省市自治区进行分类，然后根据分类结果对企业经济效益进行综合评价，就易于得出科学的分析。又比如若对某些大城市的物价指数进行考察，而物价指数很多，有农用生产物价指数、服务项目价指数、食品消费物价指数、建材零售价格指数等等。 ;由于要考察的物价指数很多，通常先对这些物价指数进行分类。总之，需要分类的问题很多，因此聚类分析这个有用的数学工具越来越受到人们的重视，它在许多领域中都得到了广泛的应用。 聚类问题的一般提法是：设有 个样品的 元观测数据组成一个数据矩阵;其中每一行表示一个样品，每一列表示一个指标， 表示第 个样品关于第 项指标的观测值，要根据观测值矩阵X对样品或指标进行分类。一种分类的思想是：在样品之间定义距离，在指标之间定义相似系数. 样品距离表明样品之间的相似度，指标之间的相似系数刻画指标之间的相似度. 将样品(或变量)按相似度的大小逐一归类，关系密切的聚集到较小的一类，关系疏远的聚集到较大的一类，直到所有的样品(或变量)都聚集完毕。上述思想正是聚类分析的基本思想。;值得注意的是：第4章介绍的判别分析和聚类分析是两种不同目的的分类方法，它们所起的作用是不同的。判别分析方法假定组（或类）已事先分好，判别新样品应归属哪一组，对组的事先划分有时也可以通过聚类分析得到。聚类分析方法是按样品（或变量）的数据特征，把相似的样品（或变量）倾向于分在同一类中，把不相似的样品（或变量）倾向于分在不同类中。;6.1.2向量的距离 ;(1)(非负性) 且 当且仅当 (2)(对称性) (3)(三角不等式) 在聚类分析中最常用的是欧氏距离。;;;在MATLAB中，计算距离的命令是pdist. 调用格式 Y =pdist(X,distance) 输入的X是一个矩阵，行为个体，列为指标，distance 是距离的类型。若缺省distance，则输出的Y是一个行向量，向量的长度为(N-1)*N/2,其中N是样本的容量，Y的元素分别为个体(1,2),(1,3),..., (1,N), (2,3),...(2,N),.....(N-1,N)之间的欧氏距离。 可选项distance有：euclidean欧氏距离；cityblock绝对距离；minkowski明氏距离(m=2)；chebychev切氏距离；seuclidean方差加权距离；mahalanobis马氏距离。;省（市）;解：x=[18738.96 778.36 452.75 7707.87 21791.11 1399.14 369.12 6199.77 9302.38 959.43 293.92 3603.72 8354.63 638.76 65.33 2610.61 9422.22 938.15 141.75 1976.49]; d1=pdist(x);% 此时计算出各行之间的欧氏距离，为了得到距离矩阵， 键入命令： D= squareform(d1); % 注意此时d1必须 是一个行向量，结果为实对称矩阵;D = 1.0e+004 * 0 0.3462 1.0293 1.1575 1.0944 0.3462 0 1.2763 1.3932 1.3080 1.0293 1.2763 0 0.1428 0.1639 1.1575 1.3932 0.1428 0 0.1280 1.0944 1.3080 0.1639 0.1280 0 矩阵D中的第3行第2列为12763，表示上海与 山西的欧氏距离为12763, 其余类推.;若想得到下三角阵，则有命令： S = tril(squareform(d1)) S=1.0e+004 * 0 0 0