聚类分析课件.pptVIP

第四章 聚类分析 Cluster Analysis;一、聚类分析的作用和性质 聚类分析是根据事物本身的特性来研究个体分类的方法。原理是保证类别内部的差异尽可能小，而类别间的差异尽可能大。(有限样本,分类特征多个) 应用：通过聚类分析，将性质相近的样本个体归为一类，保证类与类之间存在差异，这样在总体上形成研究对象（样本）的若干类别。认识逻辑上属于辨别数据关系结构。 主要的应用是对样本进行分类，称Q型聚类，另有对变量进行的分类称R型聚类，但较少使用。缩减变量所做的操作一般使用因子分析。（聚类数学基础太弱，探索性分析，硬性的计算，所以尽量不用聚类）;性质： 1）多元分析（多个分类标准同时进行分类辨别）。 2）探索性分析，即没有专门的统计理论支持分类过程，也缺乏有效的统计检验支持分类结果。（数据挖掘） 聚类完成后可进行判别分析，即根据样本的类属求出判别函数，再根据判别函数对未知所属类别的事物进行分类。（心理学小数据库）;二、聚类分析的基本步骤及测量原理 1、根据研究目的确定合适的聚类变量 对聚类变量的要求：对样本而言确有明确差异；变量间不能高度相关（若3个高度相关，可以去掉一个）；聚类变量的数目适中，并非越多越好。有时聚类效果不好，即是聚类变量选择不当，这时需要增减聚类变量。 聚类变量主要使用定距变量，若定类或定序变量希望被使用则必须转变成为虚拟变量，且操作完全按定距变量处理。若定距变量