教学设计 最终版聚类分析-策点调研公司.pptVIP

聚类分析 Leo 2019/07/30 简单介绍 课件 概念及特点 将研究对象分为相对同质的群组(clusters)的统计分析技术。具有如下特点： 区别于分类分析，所要求划分的类是未知的，属于探索性分析； 聚类分析将数据分类到不同的类或者簇（ cù ），同一个簇中的对象有很大的相似性，不同簇间的对象有很大的相异性； k均值聚类算法（k-means clustering algorithm）是最常见的聚类分析算法，步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。通过多次计算，使误差平方和达到最小，则为最终结果。 课件 注意事项 聚类分析过程中，主要注意以下两点： 聚类变量的测量尺度不同，需要事先对变量标准化； 一般聚类个数在4－6类，不宜太多，或太少。 变量标准化 👉 通过将变量数据转换为Z分数实现。 z分数（z-score），也叫标准分数（standard score），是一个数与平均数的差再除以标准差的过程。 例子：将1，1，2，2，3，3，4，4，5，5转化为Z分数形式 1、计算出均值 =3，标准差 s=√2≈1.414 2、Z分数计算公式如右： 3、将原数列转化为Z分数结果为 -1.4，-1.4，-0.9，-0.9，0，0，0.9，0.9，1.4，1.