第六讲聚类分析.pptVIP

G1 G2 G3 G4 G5 G1={X1} 0 G2 ={X2} 1 0 G3 ={X3} 6.25 2.25 0 G4 ={X4} 36 25 12.25 0 G5 ={X5} 64 49 30.25 4 0 找出上表中非对角线最小元素是1，则将G1，G2合并为一个新类G6.按可变类均法计算新类与其它类的距离。取?＝-1/4。得下表。 例：对5个样品（1、2、3.5、7、9）进行分类。用绝对距离计算距离平方矩阵： 第六十一页，共一百一十三页，2022年，8月28日 G6 G3 G4 G5 G6={X1、X2} 0 G3 ={X3} 5.06 0 G4 ={X4} 37.88 12.25 0 G5 ={X5} 70.38 30.25 4 0 上表中非对角线最小元素是4，则将G4，G5合并为一个新类G7. 计算新类与其它类的距离。 G6 G3 G7 G6={X1、X2} 0 G3 ={X3} 5.06 0 G7 ={X4 、 X5} 66.66 25.56 0 上表中非对角线最小元素是5.06，则将G3，G6合并为一个新类G8. 计算新类与其它类的距离。 第六十二页，共一百一十三页，2022年，8月28日 G6 G7 G6={X1、X2 、 X3} 0 G7 ={X4 、 X5} 64.94 0 X1 X2 X3 X4 X5 G6 G8 G7 G9 1 5.06 4 64.94 第六十三页，共一百一十三页，2022年，8月28日 7、离差平方和法：是Ward提出的，基本思想来自于方差分析的想法，如类分得恰当，同类内的样品之间的离差平方和应较小，而类间的离差平方和应当较大。 将k固定时，要选择使S达到极小的分类，一切可能的分法有： 第六十四页，共一百一十三页，2022年，8月28日 Ward 寻找到一个局部最优解的方法。 先将n个样本各成一类，然后每次缩小一类，每缩小一类离差平方和就要增大，选择使离差平方和S增加最小的两类合并，直至所有样本归为一类为止。 如果分类正确，同类样品的离差平方和应该较小，类与类的离差平方和应当较大。因此应使小类内各样本的欧氏距离总平方和增加最小的两小类合并为一类。 第六十五页，共一百一十三页，2022年，8月28日 用Ward法分类。 （1）将五个样品各自分成一类，显然这时类内离差平方和S=0。 （2）将一切可能的任意两列合并，计算所增加的离差平方和，取其中较小的S所对应的类进行合并，例如将G1={X1} ， G2 ={X2}合并成一类，它的离差平方和S12=(1-1.5)2+(2-1.5)2=0.5,如果将G1={X1} ，G3 ={X3}合并成一类，它的离差平方和为 S13=(1-2.25)2+(3.5-2.25)2=3.125。将一切可能的两类合并的离差平方和都计算出来，并列表如下： 例：对5个样品（1、2、3.5、7、9）进行分类 第六十六页，共一百一十三页，2022年，8月28日 G1 G2 G3 G4 G5 G1={X1} 0 G2 ={X2} 0.5 0 G3 ={X3} 3.125 1.125 0 G4 ={X4} 18 12.5 6.125 0 G5 ={X5} 32 24.5 15.125 2 0 上表中非对角线最小元素是0.5，说明将G1，G2合并为一个新类G6增加的S最少. 计算新类G6与其它类的距离，得下表。 第六十七页，共一百一十三页，2022年，8月28日 G6 G3 G4 G5 G6={X1、X2} 0 G3 ={X3} 2.667 0 G4 ={X4} 20.167 6.125 0 G5 ={X5} 37.5 15.125 2 0 上表中非对角线最小元素是2，则将G4，G5合并为一个新类G7. 计算新类G7与其它类的距离。 第六十八页，共一百一十三页，2022年，8月28日 G6 G3 G7 G6={X1、X2} 0 G3 ={X3} 2.667 0 G7 ={X4 、 X5} 42.25 13.5 0 上表中非对角线最小元素是2.667，则将G3，G6合并为一个新类G8. 计算新类G8与其它类的距离。 第六十九页，共一百一十三页，2022年，8月28日 G6 G7 G6={X1、X2 、 X3} 0 G7 ={X4 、 X5} 40.83 0 X1 X2 X3 X4 X5 G6 G8 G7 G9 0.5 2.667 2 40.83 第七十页，共一百一十三页，2022年，8月28日 分别为Gp和Gq的重心，类与类之间的距离定义为两个类重心（类内样品平均值）间的平方距离。 8、重心法：也称为样品的均值法。设Gp和Gq 为两个类 第七十一页，共一百一十三页，2022年，8月28日 重心