第十四聚类分析.pptVIP

第十四聚类分析第一页，共三十页，2022年，8月28日 聚类分析是一种重要的分类技术。与多元分析的其他方法相比，该方法较为粗糙，理论上还不完善，但应用方面取得了很大成功。与回归分析、判别分析一起被称为多元分析的三大方法。第二页，共三十页，2022年，8月28日 1. 聚类的目的 根据已知数据，计算各观察个体或变量之间亲疏关系的统计量（距离或相关系数）。根据某种准则（最短距离法、最长距离法、中间距离法、重心法等），使同一类内的差别较小，而类与类之间的差别较大，最终将观察个体或变量分为若干类。第三页，共三十页，2022年，8月28日 2. 聚类分析的应用例子同一种疾病（如肝炎），根据临床表现等将病人分成若干类（甲、乙、丙、丁、戊型肝炎） 根据疾病的若干临床表现，将病人分成轻、中、重三型在儿童生长发育研究中，把以形态学为主的指标归于一类，以机能为主的指标归于另一类第四页，共三十页，2022年，8月28日 3. 聚类的种类根据分类的原理可将聚类分析分为： K-means Cluster过程（快速聚类法） Hierarchical Cluster过程（系统聚类法）根据分类的对象可将聚类分析分为： 系统Q型（即样品聚类clustering for individuals ） 系统R型（即指标聚类clustering for variables)第五页，共三十页，2022年，8月28日 4. 聚类分析与判别分析间的联系 先采用聚类分析获得各个个体的类别（classification ）；然后采用判别分析建立判别函数，对新个体进行类型识别（identification ）第六页，共三十页，2022年，8月28日 5、距离与相似系数（P418）（1）距离 假使每个样品有p个变量，则每个样品都可以看成p维空间中的一个点，n个样品就是p维空间中的n个点，则第i样品与第j样品之间的距离记为dij。第七页，共三十页，2022年，8月28日 （2）相似系数 研究样品间的关系常用距离，研究指标间的关系常用相似系数。 相似系数常用的有：夹角余弦与相关系数第八页，共三十页，2022年，8月28日 5、方法原理 按距离的远近划分类别6、用途 细分市场 消费行为划分 设计抽样方案等第九页，共三十页，2022年，8月28日 7、操作时距离测量方法 建议使用默认值即可（Q型分类）8、变量选择 无关变量有时会引起严重的错分 应当只引入在不同类间有显著差别的变量 尽量只使用相同类型的变量进行分析第十页，共三十页，2022年，8月28日 9、共线性问题 对纪录聚类结果有较大的影响 最好先进行预处理10、变量的标准化 变量变异程度相差非常大时需要进行 标准化后会削弱有用变量的作用第十一页，共三十页，2022年，8月28日 11、异常值 影响较大 还没有比较好的解决办法 应尽力避免12、分类数 从实用角度讲，2～8类比较合适13、专业意义 一定要结合专业知识进行分析第十二页，共三十页，2022年，8月28日 二、K-means Cluster 过程 属于非系统聚类法的一种 也叫快速聚类\动态聚类、逐步聚类、迭代聚类）（quick cluster method、k-means model ） 适用于样本量很大的情形，用系统聚类法计算的工作量极大，作出的树状图也十分复杂, 不便于分析 第十三页，共三十页，2022年，8月28日 1、原理选择初始凝聚点根据欧氏距离将每个样品归类各类的重心代替初始凝聚点根据欧氏距离将每个样品归类，…… 直至达到指定的迭代次数或达到终止迭代的 判据要求第十四页，共三十页，2022年，8月28日 2、初始凝聚点initial cluster seeds ；cluster centers自动选择 必须给出允许分类的最大个数k凭经验选择 以初始凝聚点建立一个数据文件,在SPSS的CETERS过程的READ INITIAL FROM选择项中输入该数据文件第十五页，共三十页，2022年，8月28日 3、方法特点 要求已知类别数可人为指定初始位置节省运算时间样本量大于100时有必要考虑只能使用连续性变量第十六页，共三十页，2022年，8月28日 4、菜单：Analyze-classify-K means Cluster5、分析实例(P416 data13-02) 第十七页，共三十页，2022年，8月28日 三、Hierarchical Cluster 过程 1、系统聚类的基本思想相近的聚为一类(以距离表示，样品聚类)相似的聚为一类(以相似系数表示，变量聚类)第十八页，共三十页，2022年，8月28日 2、方法原理 先将所有n个变量／观测量看成不同