数据分析简答题.docVIP

三 · 简 答 题 1. 判 别 分 析 与 聚 类 分 析 有 何 区 别 ？ 判 别 分 析 是 对 于 n 个 给 定 的 样 本 ，己 知 每 个 样 本 属 于 k 个 类 别 中 的 某 一 类 ， 利 用 这 些 数 据 ， 找 到 一 种 判 别 方 法 ， 使 得 这 种 判 别 方 法 具 有 某 种 最 优 性 质 ， 能 把 属 于 不 同 种 类 的 样 本 点 尽 可 能 的 区 别 开 来 ， 并 对 测 得 同 样 指 标 数 据 的 新 样 本 ， 能 够 判 别 这 个 样 本 归 属 于 哪 一 类 。 聚 类 分 析 是 在 样 品 和 类 之 间 定 义 一 种 距 离 ， 按 照 距 离 的 大 小 对 样 品 进 行 聚 类 ， 距 离 相 近 的 样 品 先 聚 成 类 ， 距 离 相 远 的 后 聚 成 类 ， 过 程 一 直 进 行 下 去 ， 每 个 样 品 总 能 聚 到 合 适 的 类 中 。 聚 类 分 析 没 有 判 别 函 数 ， 对 新 的 样 品 无 法 判 别 它 应 该 归 属 哪 一 类 ，必 须 重 新 进 行 聚 类 过 程 ， 才 能 判 别 它 属 于 哪 类 。 系 统 聚 类 分 析 能 够 得 到 样 品 从 最 小 的 分 类 （ 每 个 样 品 自 成 一 类 ） 到 最 大 的 分 类 的 情 况 ， 而 判 别 分 析 没 有 这 种 功 能 ， 但 判 别 分 析 的 距 离 判 别 法 与 聚 类 分 析 非 常 相 似 ， 也 是 根 据 距 离 的 远 近 判 别 样 本 的 归 属 问 题 。 2．K 均 值 法 与 系 统 聚 类 法 的 异 同 （1）K 均 值 法 事 先 必 须 确 定 分 类 的 个 数 ， 分 类 的 个 数 确 定 ， 而 系 统 聚 类 分 析 系 统 聚 类 分 析 能 够 得 到 样 品 从 最 小 的 分 类 （ 每 个 样 品 自 成 一 类 ） 到 最 大 的 分 类 的 情 况 ， 以 根 据 需 要 将 样 品 分 为 几 类 。 （ 2 ） K 均 值 法 可 以 随 意 将 样 品 分 为 K 类 ， 根 据 样 品 到 类 中 心 的 距 离 远 近 重 新 进 行 分 类 ， 而 系 统 聚 类 中 样 品 一 旦 划 入 某 一 类 就 不 能 更 改 。 （ 3 ） K 均 值 法 样 品 与 不 同 类 间 的 距 离 采 用 点 到 类 中 心 的 平 方 欧 氏 距 离 ， 而 系 统 类 中 点 、 间 距 离 有 很 多 种 定 义 方 法 。 3．简 述 系 统 聚 类 法 的 思 想 。 基于使聚类性能指标最小化，所用的聚类准则函数是聚类集中每一个样本点到该类中心的距离平方之和，并使其最小化。 4． 简 述 快 速 聚 类 法 的 思 想 。 以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。 5.试述主成成分的基本思想及求解步骤。 （1）基本思想 主成分分析的基本思想是构造原始变量的适当的线性组合，以产生一系列互不相关的新变量，从中选出少量几个新变量并使它们含有足够多的原始变量带有的信息，从而使得用这几个新变量代替原始变量分析问题和解决问题成为可能。 一般而言，对于度量单位不同的指标或是取值范围彼此差异非常大的指标，我们不直接由其协方差矩阵出发进行主成分分析，而应该考虑将数据标准化，由相关阵出发求解主成分。对同度量或是取值范围在同量级的数据，还是直接从协方差矩阵求解主成分为宜。相关阵求得的主成分与协差阵求得的主成分一般情况是不相同的。实际表明，这种差异有时很大。 （2）步骤 1. 指标数据标准化（ SPSS软件自动执行）；　 2. 指标之间的相关性判定；　　 3. 确定主成分个数m；　　 4. 主成分Fi表达式；　　 5. 主成分Fi命名； 6.简述主成成分分析中累计贡献率的具体意义。 7. 简 述 因 子 模 型X =AY + 中 载 荷 矩 阵 的 统 计 意 义 。 8· 因 子 分 析 与 主 成 分 分 析 的 区 别 与 联 系 （1）因 子 分 析 从 变 量 的 相 关 性 出 发 ， 根 据 相 关 性 的 大 小 将 变 量 进 行 分 组 ， 同 组 变 量 的 相 关 性 较 强 ， 不 同 组 变 量 的 相 关 性 较 弱 ， 每 组 代 表 一 个 结 构 ， 这 个 结 构 用 一 个 公 因 子 表 示 ， 将 变 量 表 示 成 公 因 子 的 线 性 组 合 和 特 殊 因 子 的 和 。 主 成 分 分