应用多元统计分析习题解答聚类分析.docx

第五章聚类分析

判别分析和聚类分析有何区别？

答：即根据一定的判别准则，判定一个样本归属于哪一类。具体而言，设有n个样本，对每个样本测得p项指标（变量）的数据，已知每个样本属于k个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。聚类分析是分析如何对样品（或变量）进行量化分类的问题。在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。

试述系统聚类的基本思想。

答：系统聚类的基本思想是：距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。

对样品和变量进行聚类分析时，所构造的统计量分别是什么？简要说明为什么这样构造？

答：对样品进行聚类分析时，用距离来测定样品之间的相似程度。因为我们把n个样本看作

p维空间的n个点。点之间的距离即可代表样品间的相似度。常用的距离为

ij（一）闵可夫斯基距离：d

ij

q取不同值，分为

绝对距离（q?1）

(q)?(?p X

ik

k?1

X q)1/qjk

d (1)??p X ?X

ij ik jk

k?1

欧氏距离（q?2）

d (2)?(?p X

ij ik

k?1

?X 2)1/2

jk

切比雪夫距离（q??）

d (?)?maxX ?X

ij 1?k?p ik jk

X ?

X ?X

ik jk

（二）马氏距离 d

ij

(L)?

?

p

k?1

X ?X

ik jk

（三）兰氏距离 d2(M)?(X

ij i

?X)?Σ?1(X

j i

X)

j

对变量的相似性，我们更多地要了解变量的变化趋势或变化方向，因此用相关性进行衡量。

将变量看作p维空间的向量，一般用

（一）夹角余弦

cos? ?

ij

?p

k?1

?p

X X

ik jk

?p

( X2)( X2)

ik jk

k?1 k?1

（二）相关系数

?p(X

ik

X)(X

i jk

X)

j

r?

ij ?p

k?1

(X

ik

?X)2?p

i

(X ?X)2

jk j

k?1 k?1

在进行系统聚类时，不同类间距离计算方法有何区别？选择距离公式应遵循哪些原则？

d答：设

d

ij

表示样品 与

XXi j

X

X

之间距离，用

Dij

D

表示类 与

GGi j

G

G

之间的距离。

（1）.最短距离法

D ? min d

ij X?G,X?G ij

i i j j

D ? min d

?min{D ,D }

kr X?G,X?G ij

kp kq

i k j r

最长距离法

D ? max d

pq X?G,X?G ij

i p j q

D ? max d

?max{D ,D }

kr X?G,X?G ij

kp kq

i k j r

中间距离法

1 1

D2? D2? D2??D2

kr 2 kp 2 kq pq

其中

重心法

D2 ?(X

pq p

?X )?(X

q p

X )

Xq r

X

?1(nXn p p

r

nX )

q q

qD2?npD2

q

n

qD2

npn D2

kr n

r

kp n kq n2 pq

r r

类平均法

D2 ? 1

? ?d2

D2? 1

? ?d2?npD2

n

qD2

pq n

p

n ij

qX?GX?G

q

i p j j

kr n

k

n

rX?G

r

i k

ij

X?G

j r

n kp

r

n kq

r

可变类平均法

n n

D2?(1??)( pkr n

r

D2? qkp n

r

D2)??D2

kq pq

其中?是可变的且?1

可变法

1??

D2?

kr

(D2

2 kp

D2

kq

)??D2

pq

其中?是可变的且?1

离差平方和法

S ??nt(X

t it

t?1

?X)?(X

t it

X)

t

kD2?n ?npkr n ?n

k

D2?n ?n

kqkp n ?n

k

q

D2? n D2

kkq n ?n pq

k

r k r k r k

通常选