Matlab 数据分析 课件 康海刚 第7章 聚类分析.pptx

Matlab数据分析

第7章聚类分析

7.1简介7.1.1聚类分析的类型1.按分类对象不同进行聚类

7.1简介（1）R型聚类分析的主要作用1）不但可以了解个别变量之间的亲疏程度，而且可以了解各个变量组合之间的亲疏程度。2）根据变量的分类结果以及它们之间的关系，可以选择主要变量进行Q型聚类分析或回归分析（R2选择标准）。（2）Q型聚类分析的主要作用1）可以综合利用多个变量的信息对样本进行分析。2）分类结果直观，聚类谱系图清楚地表现数值分类的结果。3）聚类分析所得到的结果比传统分类方法更细致、全面、合理。2.按分类对象的划分进行聚类1）使用自我组织的特征图或层次聚类，查找数据中可能的结构。2）使用聚类评估，查找给定聚类算法的“最佳”组数。

7.1简介3.Matlab中常见的硬聚类算法（1）k均值（kMeans）聚类算法1）原理。2）最佳使用时机。（2）k中心（kMedoids）聚类算法1）原理。2）最佳使用时机。

7.1简介（3）层次聚类算法1）原理。2）最佳使用时机。（4）自组织映射聚类算法1）原理。2）最佳使用时机。

7.1简介4.Matlab中常见的软聚类算法（1）模糊c均值聚类算法1）原理。2）最佳使用时机。（2）高斯混合模型聚类算法1）原理。2）最佳使用时机。

7.1简介7.1.2聚类分析的依据1.距离

7.1简介

7.1简介2.夹角余弦3.相关系数

7.2谱系聚类1.谱系聚类法基本思想1）聚类开始时将n个样品（或p个变量）各自作为一类，并规定样品之间的距离和类与类之间的距离。2）将距离最近的两类合并成一个新类。3）计算新类与其他类之间的距离，重复进行两个最近类的合并，每次减少一类，直至所有的样品（或p个变量）合并成一类。2.谱系聚类法基本步骤1）选择样本间距离及类间距离。2）计算n个样本两两之间的距离，得到距离矩阵。3）构造各类，每个类暂时只含有一个样本。4）合并符合类间距离定义要求的两类力一个新类。

7.2谱系聚类

7.2谱系聚类5）计算新类与当前各类的距离。6）画出谱系聚类图。7）作出结论，决定类的个数和类。3.Matlab中谱系聚类法的主要方法（1）pdist方法pdist方法的主要作用是计算构成样品对的样品之间的距离，调用格式如下：1）y=pdist（x）。2）y=pdist（x,metric）。

7.2谱系聚类

7.2谱系聚类（2）squareform方法squareform方法用来将pdist函数输出的距离转化为距离矩阵，也可将距离矩阵转化为距离向量。1）z=squareform（y）：将pdist函数输出的距离向量转化力距离矩阵。2）y=squareform（z）：将距离矩阵转化为距离向量。（3）linkage方法linkage函数用来创建系统聚类树，调用格式如下：1）z=linkage（y）：创建系统聚类树，1是样品对的距离向量，一般是pdist方法的输出结果。2）z=linkage（y,method）：利用method参数指定的方法创建系统聚类树，method是字符串，可用字符串见表7-2。

7.2谱系聚类（4）dendrogram方法dendrogram方法用于创建聚类树形图，调用格式为：（5）inconsistent函数inconsistent函数用来计算谱系聚类树矩阵Z中每次并类得到的链接的不一致系数，调用格式力：

7.2谱系聚类（6）clusterdata方法clusterdata函数调用了pdist、linkage和cluster函数，用来由原始样本数据矩阵X创建系统聚类。例7.1设有5个样品，分别表示北京、上海、安徽、陕西和新疆，每个样品只测试了一个指标，指标值分别为1、2、6、8、11，若样品间采用绝对值距离，下面用最短距离法对这5个样品进行聚类。解：计算过程如下。1）计算距离矩阵，代码如下，结果如图7-9所示。

7.2谱系聚类

7.2谱系聚类2）分步聚类，绘制聚类树形图，代码如下，结果如图7-10所示。

7.2谱系聚类例7.2（样品聚类综合案例）图7-11所示2007年我国31个省、白治区、直辖市的城镇居民家庭平均每人年消费性支出的8个主要数据变量，利用谱系聚类法，对各地区进行聚类分析。

7.2谱系聚类解：计算过程如下。1）读取数据，并进行标准化：2）调用clusterdata函数进行一步聚类：

7.2谱系聚类3）分步聚类：4）作出聚类树形图，如图7-12所示。5）确定分类个数。

7.2谱系聚类

7.2谱系聚类例7.3（变量聚类综合案例）在全国服装标准