案例17(张炳江) 欧氏距离.pdf

利用欧氏(Euclid)距离进行类别数据的分类计算 适用章节：第一章第一节的集合和第七章第一节的向量、空间两点的距离运算 （高等教育出 版社 《高等数学－微积分》） 一、问题提出： 在人口调查时，需要分析人种、年龄、性别、职业和收入等许多特性。现在，关于性 别 （1，2 ），职业 （1，2，3 ），收入 （1，2，3 ）对中国人口进行分类，大约有18 个种群 （集 落）。遵循一定的定义，具有p 个特性的样品对于其类似性进行分析时，可以分成几个聚类。 将这种类似的东西分成集合的方法称作聚类分析。聚类分析的特征是将一些数据按其特性分 成若干个组。在生物学上，通常按照种、属、科、目、纲、门进行分类。这种聚类分析应用 非常广泛，即使是在数据挖掘中，依据一定目的按照特性对市场进行分类就会成为市场细化 问题。对于大众消费者群体，将其同类进行聚类分析可以达到不同的商业贩卖目的。 具有P 个特性的数据集团分成m 个聚类，有必要确定分类基准。最普通的就是使用距 离和类似度，但这必须适合于聚类分析的目的。 二、涉及知识点 集合的定义、向量的定义，距离的定义和空间两点的距离运算。包括： (1) 类似度、距离的定义 类似度是相似程度，距离表示不相似的度量。测量值是身高那样的变量、表示大中小程 度的排位数、红(1)黑(2) 白(3)那样的没有大小关系的非排位数，(yes, no)(是，否)那样的0-1 型变量，即4 个种类的数值。 记是样本点集合。距离的定义是：设d (,) 是R  的一个函数，它满足以下 条件： (a) d (x, y) 0, x, y ， (b) d (x, y) 0, 当且仅当x y ， (c) d (x, y) d ( y, x), x, y ， (d ) d (x, y) d (x, z) d (z, y), x, y, z 。 (2) 欧氏(Euclid)距离 p 2 1/ 2 d (x, y) [(x y ) ] 2 i i i 1 三、实现的过程 1．首先将问题进行标量化，即将数据转化为可以度量的数值。 2 ．利用欧氏(Euclid)距离计算任意两个样本点的距离。 3 ．将距离最近的两个组作为一个集合，同时遵循小标号优先的原则，将大标号去掉。 4 ．重复第3 个步骤，直到最后的一个样本比较完毕。 5 ．表示聚类树形图，分析结果。 四、案例分析 例题 对表1 中的两组数据进行类别分析 表1 Step 1: 使用最短距离法[min{d | i C , j C }]进行计算求 ij l k x 1 x2 解。计算6 点之间的距离，其计算公式如下： p 1 -1.51 0.86 p p2 4.54 0.12 2 1/ 2