第六讲-聚类分析.pptxVIP

俗话说“物以类聚，人以群分”。就是聚类分析的道理。 市场营销中市场细分和客户细分问题 学校里有些同学经常会在一起，关系密切；有些同学很少往来，关系疏远。; 例 对10位应聘者做智能检验。3项指标X，Y和Z分别表示数学推理能力，空间想象能力和语言理解能力。其得分如下，选择合适的统计方法对应聘者进行归类。;聚类分析数据格式;;例题分析;基本思想：根据事物本身的特性研究个体分类的方法；即在没有先验知识的情况下进行的。多元统计分析方法就是对样品或指标进行量化分类的问题，它们讨论的对象是大量的样品，要求能合理地按各自的特性来进行合理的分类，没有任何模式可供参考或依循。 聚类原则：同一类中的个体有较大的相似性，不同类中的个体差异很大。 常见方法：Q型聚类法、R型聚类法、灰色聚类法和模糊聚类法等。;聚类的程序; 思考：样品点间、样品点和小类之间、小类与小类之间按什么刻画亲疏关系;第二节 “亲疏程度”度量;(1)间隔尺度(Scale)：用数量来表示，其数值由测量（连续）或计数（离散）、统计得到。 (2)顺序尺度(Ordinal)：没有明确的数量表示，只有次序关系，或虽用数量表示，但相邻两数值之间的差距并不相等，它只表示一个有序状态序列。如评价酒的味道，分成好、中、次三等，三等有次序关系，但没有数量表示。 （3)名义尺度(Nominal)：既没有数量表示也没有次序关系，只有一些特性状态。如眼睛的颜色，化学中催化剂的种类等。;二、亲疏程度的测度; 1、定义距离的准则 ;2、常用距离的算法（数值型变量）;闵可夫斯基距离缺点;(2)马氏距离（广义欧氏距离）;例如，假设有一个二维正态总体，它的分布为： ;切比雪夫距离：(Chebychev);;3、距离选择的原则;;例如;;;5、重心距离（Centroid clustering);是Ward提出的。其原则是：聚类过程中使小类内离差平方和增加最小的两小类首先合并为一类。 步骤：首先各个体自成一类，然后逐步凝聚成小类。随着小类的不断凝聚，类内离差平方和必然不断增大。应选择使类内离差平方和增加最小的两类凝聚，直到所有个体合并成一类为止。;例：5商厦个体间欧氏距离;例题分析; 四、??类分析的几点说明（1）;3、聚类 （1）选择聚类的方法 （2）确定形成的类数 ①根据分类问题本身的专业知识结合实际需要来选择；②用多种分类方法去作，把其中的共性取出来，反映了事物的本质，将有争议的样品暂放在一边；③观察样品散点图，从直觉上来判断所采用的聚类方法是否合理。 4、聚类结果的解释和证实 对聚类结果进行解释是希望对各个类的特征进行准确的描述，给每类起一个合适的名称。这一步可以借助各种描述性统计量进行分析，通常的做法是计算各类在各聚类变量上的均值，对均值进行比较，还可以解释各类别的原因。;第三节 系统聚类法;二、步骤：; 1、根据样品的特征，规定样品之间的距离 ，共有 个。将所有距离列表，记为D（0）表。;3、分别删除D（0）表的第p行和第q列，并新增一行和一列，利用递推公式计算新类与其它类之间的距离。产生D（1）表。 4、在D（1）表再选择最小的非零数，其对应的两类又构成新类，分别删除D（1）表的相应的行和列，并新增一行和一列，再利用递推公式计算新类与其它类之间的距离。结果，产生D（2）表。类推直至所有的样本点归为一类为止。;例题：下表给出了某地区九个农业区的七项指标; 表 极差标准化处理后的数据 ; 根据上述数据，计算可得九个农业区之间的绝对值距离矩阵如下;① 在距离矩阵D中，除对角线元素外，d49=d94=0.51为最小者，故将第4区与第9区并为一类，划去第9行和第4列； ② 在余下的元素中，除对角线元素外，d75= d57=0.83为最小者，故将第5区与第7区并为一类，划掉第7行和第5列； ③ 在第二步之后余下的元素之中，除对角线元素外，d82= d28=0.88为最小者，故将第2区与第8区并为一类，划去对应的行和列； ④ 在第三步之后余下的元素中，除对角线元素外，d43= d34=1.23为最小者，故将第3区与第4区并为一类，划去对应的行和列，此时，第3、4、9区已归并为一类；;⑤ 在第四步之后余下的元素中，除对角线元素外，d21= d12=1.52为最小者，故将第1区与第2区并为一类，划去对应的行和列，此时，第1、2、8区已归并为一类； ⑥ 在第五步之后余下的元素中，除对角线元素外，d65= d56=1.78为最小者，故将第5区与第6区并为一类，划去对应的行和列，此时，第5、6、7区已归并为一类； ⑦ 在第六步之后余下的元素中，除对角线元素外，d31= d13=3.10为