04聚类分析PDF打印.pdfVIP

一 寸 光 阴 不 可 轻 聚类分析专题 §6.1 引言 俗话说，“物以类聚，人以群分”，在自然科学和社会科学等各领域中，存在着大量的 分类问题。分类学是人类认识世界的基础科学，在古老的分类学中，人们主要靠经验和专业 知识进行定性的分类，很少利用数学工具进行定量的分类。随着人类科学技术的发展，对分 类的要求越来越高，以致有时仅凭经验和专业知识难以确切地进行分类，于是人们逐渐地把 数学工具引用到了分类学中，这便形成了数值分类学这一学科，之后又将多元分析的技术引 入到数值分类学，便又从数值分类学中分离出一个重要分支──聚类分析。与多元分析的其 它分析方法相比，聚类分析方法较为粗糙，理论上还不够完善，正处于发展阶段。但是，由 于该方法应用方便，分类效果较好，因此越来越为人们所重视。这些年来聚类分析的方法发 展较快，内容越来越丰富。 判别分析与聚类分析都是研究事物分类的基本方法，它们有着不同的分类目的，彼此 之间既有区别又有联系。各种判别分析方法都要求对类有事先的了解，通常是每一类都有一 个样本，据此得出判别函数和规则，进而可对其它新的样品属于哪一类作出判断。对类的事 先了解和确定常常可以通过聚类分析得到。聚类分析的目的是把分类对象按一定规则分成若 干类，这些类不是事先给定的，而是根据数据的特征确定的。在同一类里的这些对象在某种 意义上倾向于彼此相似，而在不同类里的对象倾向于不相似。聚类分析能够用来概括数据而 不只是为了寻找“自然的”或“实在的”分类。例如，在选拔少年运动员时，对少年的身体 形态、身体素质、生理功能的各种指标进行测试，据此对少年进行分类，分在同一类里的少 年这些指标较为相近。类确定好之后，可以根据各类的样本数据得出选材的判别规则，作为 选材的依据。又如，根据啤酒中含有的酒精成分、纳成分、所含的热量“卡路里”数值，可 以对啤酒进行分类。 聚类分析根据分类对象不同分为 型聚类分析和 型聚类分析。 型聚类分析是指对 Q R Q 样品进行聚类， 型聚类分析是指对变量进行聚类。本章我们主要讨论 型聚类。 R Q §6.2 距离和相似系数 在对样品（或变量）进行分类时，样品（或变量）之间的相似性是如何度量的呢？这 一节中，我们介绍两个相似性度量──距离和相似系数，前者常用来度量样品之间的相似性。 后者常用来度量变量之间的相似性。样品之间的距离和相似系数有着各种不同的定义，而这 些定义与变量的类型有着非常密切的关系。通常变量按测量尺度的不同可以分为以下三类： （1）间隔尺度变量：变量用连续的量来表示，如长度、重量、速度、温度等。 （2 ）有序尺度变量：变量度量时不用明确的数量表示，而是用等级来表示，如某产品 分为一等品、二等品、三等品等有次序关系。 （3 ）名义尺度变量：变量用一些类表示，这些类之间既无等级关系也无数量关系，如 性别、职业、产品的型号等。 1 一 寸 光 阴 不 可 轻 我们这里主要讨论具有间隔尺度变量的样品聚类分析方法。 一、距离 x j 设 为第 个样品的第 个指标，数据矩阵列于表6.1 。每个样品有 个变量，故每个 ij i p p p p R n R n R 样品都可以看