聚类分析例题.docxVIP

聚类分析例题 聚类分析例题 酿酒葡萄的等级划分 葡萄酒的质量分类 由问题 1 中我们得知，第二组评酒员的的评价结果更为可信，所以我们通过第二组评酒员对于酒的评分做出处理。我们通过 excel 计算出每位评酒员对每支酒的总分，然后计算出每支酒的 10 个分数的平均值，作为总的对于这支酒的等级评价。 通过国际酿酒工会对于葡萄酒的分级，以百分制标准评级，总共评出了六个级别（见表 5）。 表 5：葡萄酒等级表 等级 特优 优 优良 良 及格 不及格 分数 95-100 90-94 80-89 70-79 60-69 0-59 在问题 2 的计算中，我们求出了各支酒的分数，考虑到所有分数在区间[61.6，81.5]波动，以原等级表分级，结果将会很模糊，不能分得比较清晰。为此我们需要进一步细化等级。为此我们重新细化出 5 个等级，为了方便计算， 我们还对等级进行降序数字等级（见表 6）。 表 6：细化后的葡萄酒等级表 等级 偏优 偏优良 良 中 及格 分数 80-84 75-79 70-74 65-69 60-64 数字等级 5 4 3 2 1 通过对数据的预处理，我们得到了一个新的关于葡萄酒的分级表格（见表7）： 表 7：各支葡萄酒的等级 编号 红酒 原等级 细化等级 白酒 原等级 细化等级 1 号 68.1 2 2 77.9 3 4 2 号 74 3 3 75.8 3 4 3 号 74.6 3 4 75.6 3 4 4 号 71.2 3 3 76.9 3 4 5 号 72.1 3 3 81.5 4 5 6 号 66.3 2 2 75.5 3 4 7 号 65.3 2 2 74.2 3 3 8 号 66 2 2 72.3 3 3 9 号 78.2 3 4 80.4 4 5 10 号 68.8 2 2 79.8 3 4 11 号 61.6 2 1 71.4 3 3 12 号 68.3 2 2 72.4 3 3 13 号 68.8 2 2 73.9 3 3 14 号 72.6 3 3 77.1 3 4 15 号 65.7 2 2 78.4 3 4 16 号 69.9 2 3 67.3 2 2 17 号 74.5 3 3 80.3 4 5 18 号 65.4 2 2 76.7 3 4 19 号 72.6 3 3 76.4 3 4 20 号 75.8 3 4 76.6 3 4 21 号 72.2 3 2 79.2 3 4 22 号 71.6 3 3 79.4 3 4 23 号 77.1 3 4 77.4 3 4 24 号 71.5 3 3 76.1 3 4 25 号 68.2 2 2 79.5 3 4 26 号 72 3 3 74.3 3 3 27 号 71.5 3 3 77 3 4 28 号 79.6 3 4 经过整理，我们初步得到了对于葡萄酒的质量的分类的表格。 考虑到葡萄酒的质量与酿酒葡萄间有比较之间的关系，我们将保留葡萄酒质量 对于酿酒葡萄的影响，先单纯从酿酒葡萄的理化指标对酿酒葡萄进行分类，然 后在通过葡萄酒质量对酿酒葡萄质量的优劣进一步进行划分。 建立模型 在通过酿酒葡萄的理化指标对酿酒葡萄分类的过程，我们用到了聚类分析方 法中的 ward 最小方差法，又叫做离差平方和法。 聚类分析是研究分类问题的一种多元统计方法。所谓类，通俗地说，就是指相似元素的集合。为了将样品进行分类，就需要研究样品之间关系。这里的最小方差法的基本思想就是将一个样品看作 P 维空间的一个点，并在空间的定义距离，距离较近的点归为一类；距离较远的点归为不同的类。面对现在的问题， 我们不知道元素的分类，连要分成几类都不知道。现在我们将用 SAS 系统里面的 stepdisc 和 cluster 过程完成判别分析和聚类分析，最终确定元素对象的分类问题。 建立数据阵，具体数学表示为： ? X X ? ? 11 ... X ... ? 1m ? （5.2.1） ? ... ... ? ??? X ... X ? ? ? n1 nm 式中，行向量 X i ? (x i1 ,..., x im ) 表示第i 个样品； 列向量 X j ? (x 1 j ,..., x nj ) ’，表示第 j 项指标。(i=1,2,…,n;j=1,2,…m) 接下来我们将要对数据进行变化，以便于我们比较和消除纲量。在此我们用了使用最广范的方法，ward 最小方差法。其中用到了类间距离来进行比较， 定义为： D ?|| X kl k  ? X ||2 /(1/ n k ?1/ n ) l （5.2.2） Ward 方法并类时总是使得并类导致的类内离差平方和增量最小。 系统聚类数的确定。在聚类分析中，系统聚类最终得到的一个聚类树，如何 确定类的个数，这是一个十分困