- 1、本文档共32页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
章聚类分祈
分类
●物以类聚、人以群分;
●但根据什么分类呢?
●如要想把中国的县分类,就有多种方法
可以按照自然条件来分,比如考虑降水
土地、日照、湿度等,
●也可考虑收入、教育水准、医疗条件、基
础设施等指标;
●既可以用某一项来分类,也可以同时考虑
多项指标来分类
聚类分析
对一个数据,既可以对变量(指标进行
分类(相当于对数据中的列分类),也可
以对观测值(事件,样品)来分类(相当
于对数据中的行分类)。
当然,不一定事先假定有多少类,完
全可以按照数据本身的规律来分类。
●本章要介绍的分类的方法称为聚类分
析( cluster analysis)。对变量的聚
类称为R型聚类,而对观测值聚类称为
Q型聚类。它们在数学上是无区别的。
饮料数据( drink. txt)
16种饮料的热量、咖啡因、钠及价格四种变量
饮料编号
咖啡因
钠
价格
3680
3.30
121
0.20
3.30
146,70
5760
13.60
2.10
0
199.00
10.60
6.30
16.60
6.30
1.50
38
2.00
13.10
11880
4.10
16
107.00
00
8.30
4.20
11.1如何度量距离远近?
如果想要对100个学生进行分类,
而仅知道他们的数学成绩,则只好
按照数学成绩分类;这些成绩在直
线上形成100个点。这样就可以把
接近的点放到一类。
如果还知道他们的物理成绩,这样
数学和物理成绩就形成二维平面上
的100个点,也可以按照距离远近
来分类。
11.1如何度量距离远近?
●三维或者更高维的情况也是类似;
只不过三维以上的图形无法直观地
画出来而已。
在饮料数据中,每种饮料都有四个
变量值。这就是四维空间点的问题
两个距离概念
●按照远近程度来聚类需要明确两
个概念:一个是点和点之间的距
离,一个是类和类之间的距离。
点间距离有很多定义方式。最简
单的是歐氏距离。
当然还有一些和距离相反但起同
样作用的概念,比如相似性等,
两点越相似度越大,就相当于距
离越短。
两个距离概念
由一个点组成的类是最基本的类;如
果每一类都由一个点组成,那么点间
的距离就是类间距离。但是如果某
类包含不止一个点,那么就要确定类
间距离,
类间距离是基于点间距离定义的:比
如两类之间最近点之间的距离可以作
为这两类之间的距离,也可以用两类
中最远点之间的距离或各类的中心之
间的距离来作为类间距离。
两个距离概念
在计算时,各种点间距离和
类间距离的选择是通过统计
软件的选项实现的。不同的
选择的结果会不同,但一般
不会差太多。
向量X=(x1…X)与y=(y1…,y)之间的距离或相似系数
欧氏距高
Euclidean
2(x-y)2平方欧氏距离
∑(x-y)
Squared Euclidean
夹角余弥(相似系数1)
cosine
∑ x y Block(绝对距离):Σkxry
22*2y Pearson correlation
Chebychev: Max Ix -y I
(相似系数2)
(x1-)(y1
Minkowski: 2(x-y)
y (x-
当变量的测量值相是殊时,要先选行标准化,如R为极差
S为标准差,则标准化的教据为每个观测值减去均篁后再
除以R或S.当观测值大于0时,有人采用 Lance和 Williams的
距高
x. t
文档评论(0)