数学建模R-聚类分析.pptVIP

聚类分析 聚类分析：一类将数据所对应的研究对象进行 分类的统计方法。 特点： 1.事先不知道类别的个数与结构； 2.进行分析的数据是对象间的相似性或相异性（距离）； 3.将距离近的对象归入一类。 根据分类对象不同分为： Q型聚类：对样本进行聚类 R型聚类：对变量进行聚类 根据聚类方法主要分为： 系统聚类法 动态聚类法 距离 聚类分析中常用距离 Minkowski距离： m=1, Minkowski?绝对距离 m=2, Minkowski?欧式距离 m= , Minkowski ?Chebyshev距离，即 其中 是p维列向量 R中语句： dist(x,method=“euclidean”, diag=FALSE, upper=FALSE, p=2) method: 计算距离的方法 “euclidean”: 欧式距离 “maximum”: Chebyshev距离 “manhattan”: 绝对值距离 “minkowski”: Minkowski距离，p是Minkowski距离的 阶数 diag=TRUE: 输出对角线上的距离 upper=TRUE: 输出上三角矩阵的值（默认值仅输出下 三角矩阵的值） 当指标的测量值相差悬殊时，应先对数据进行 标准化处理，再利用标准化的数据计算距离。 常用标准化方法： 1.普通标准化变换 i=1,2,…n表示第i个样本，j=1,2,…p表示样本的 第j个指标，每个样本均有p个观测指标。 是第j个 指标的样本均值 2.极差标准化变换 其中 3.极差正规化变换 R中语句： 1.数据的中心化和标准化处理 scale(x, center=TRUE, scale=TRUE) x:样本数据矩阵，center=TRUE表示对数据作中心化变换， scale=TRUE表示对数据作标准化变换。 2.数据作极差标准化处理 center-sweep(x, 2, apply(x, 2, min)) R-apply(x, 2, max) - apply(x,2,min) x_star-sweep(center, 2, R, /) 若x_star-sweep(center, 2, sd(x), /), 则得到（普通）标准化变换后的数据； 类似可利用sweep()函数写出极差正规化变换的 语句，见《统计建模与R软件》 相似系数 1.相关系数：计算样本不同指标间的相关系数，适用于对变量进行聚类。 2. 夹角余弦 系统聚类法 1.聚类分析方法中最常用 2.基本思想 （1）视各样本（或变量）自成一类，规定类与类之间的距离（或相似系数）； （2）把最相似的样本（或变量）聚为小类，再将已聚合的小类按相似性再聚合； （3）最后将一切子类都聚合到一个大类，从而得到一个按相似性大小聚集起来的谱系关系 3.根据距离定义的不同分为 （1）最短距离法 类与类之间的距离定义为两类中最近样本间的距离； （2）最长距离法 类与类之间的距离定义为两类中最远样本间的距离； （3）类平均法 类与类之间的距离定义为两类中两两样本间距离的平 均数； 系统聚类的R软件计算 hclust():进行系统聚类的计算 plot():画出系统聚类的树形图 hclust(d, method = complete) d:dist构成的距离结构， method:系统聚类的方法（默认为最长距离法），其 参数有： （1）“single”：最短距离法 （2）“complete”：最长距离法 （3）“average”：类平均法 …… plot(x, labels = NULL, hang = 0.1, main = Cluster Dendrogram, sub = NULL, xlab = NULL, ylab = Height, ...) x: hclust()函数生成的对象 hang: 表明树形图中各类的位置，取负值表示 树形图中的类从底部画起 main: 绘图名称 plclust(x, hang=0.1, labels=NULL, axes = TRUE, main = , sub = NULL, xlab=NULL, ylab=Height…) x: hclust()函数生成的对象 hang: 表明树形图中各类的位置，取负值表示 树形图中的类从底部画起 main: 绘图名称 利用R软件聚类 eg8. x-c(1,2,6,8,11); dim(x)-c(5,1); d-dist(x) #生成距离结构 hc1-hclust(d, single); hc2-hclust(d, complete) hc3-hclust(d, median); hc4-hc