大数据下的聚类与分类技术应用解析.pptVIP

聚类分析和鉴别分析

第1页

聚类分析

引言

相似性度量

系统聚类

K-均值聚类

聚类分析的SPSS实现

第2页

引言

物以类聚，人以群分。

例：中国的民族分成若干类，上市企业分类，等等

对于一种数据集，人们既能够对变量（指标）进行分类（称为R型聚类），也能够对观测值（个案，样品）来分类（称为Q型聚类）。这两种聚类在数学上是对称的，没有什么不同。

第3页

例：哪些少数民族的生存情况更接近？

民族

原始数据

标化死亡率(‰)

出生时期望寿命(岁)

满族

5.80

70.59

朝鲜族

7.44

67.14

蒙古族

8.11

65.48

维吾尔族

10.21

58.88

藏族

9.51

59.24

哈萨克族

9.81

60.47

*标化死亡率是依据相似的人口年纪结构（标准组）计算的，因而更具可比性。

第4页

聚类分析需要处理的一种问题

怎样衡量样本点之间的距离或相似程度？

距离，主要用于样品（观测）间相似性度量

相似系数，主要用于变量间相似性度量

第5页

常用的距离的计算方法

设每个样品有p个指标（变量）。把n个样品看成p维空间中的n个点，则两个样品间相似程度就可用p维空间中的两点距离公式来度量。

两点距离公式能够从不同角度进行定义。

当变量的测量值相差悬殊时，要先进行标准化，以消除计量单位对计算成果的影响。

第6页

常用的距离的计算方法

欧氏距离（Euclidean