聚类分析的思路和方法.ppt

《聚类分析的思路和方法.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、聚类分析的思路和方法2什么是聚类分析？聚类分析是根据“物以类聚”的道理，对样本或指标进行分类的一种多元统计分析方法，它们讨论的对象是大量的样本，要求能合理地按各自的特性进行合理的分类，没有任何模式可供参考或依循，即在没有先验知识的情况下进行的。3聚类分析的基本思想基本思想是认为研究的样本或变量之间存在着程度不同的相似性（亲疏关系）。根据一批样本的多个观测指标，找出一些能够度量样本或变量之间相似程度的统计量，以这些统计量作为分类的依据，把一些相似程度较大的样本（或指标）聚合为一类，把另外一些相似程度较大的样本（或指标）聚合为一类，直到把所有的样本（或指标）都聚合完毕，形成一个由小到大的分类系统。

2、4聚类分析无处不在谁经常光顾商店，谁买什么东西，买多少？按会员卡记录的光临次数、光临时间、性别、年龄、职业、购物种类、金额等变量分类这样商店可以……识别顾客购买模式（如喜欢一大早来买酸奶和鲜肉，习惯周末时一次性大采购）刻画不同的客户群的特征5聚类分析无处不在挖掘有价值的客户，并制定相应的促销策略：如，对经常购买酸奶的客户对累计消费达到12个月的老客户针对潜在客户派发广告，比在大街上乱发传单命中率更高，成本更低！6聚类分析无处不在谁是银行信用卡的黄金客户？利用储蓄额、刷卡消费金额、诚信度等变量对客户分类，找出“黄金客户”！这样银行可以……制定更具吸引力的服务，留住客户！比如：一定额度和期限的免息

3、透支服务！赠送百盛的贵宾打折卡！在他或她生日的时候送上一个小蛋糕！7聚类的应用领域经济领域：帮助市场分析人员从客户数据库中发现不同的客户群，并且用购买模式来刻画不同的客户群的特征。谁喜欢打国际长途，在什么时间，打到那里？对住宅区进行聚类，确定自动提款机ATM的安放位置股票市场板块分析，找出最具活力的板块龙头股企业信用等级分类……生物学领域推导植物和动物的分类；对基因分类，获得对种群的认识数据挖掘领域作为其他数学算法的预处理步骤，获得数据分布状况，集中对特定的类做进一步的研究8例对10位应聘者做智能检验。3项指标X，Y和Z分别表示数学推理能力、空间想象能力和语言理解能力。得分如下，选择合适的统计

4、方法对应聘者进行分类。应聘者12345678910X28181121262016142422Y29232223292322232927Z2818162226222224242491011聚类分析根据一批样本的许多观测指标，按照一定的数学公式具体地计算一些样本或一些指标的相似程度，把相似的样本或指标归为一类，把不相似的归为一类。12样本或变量间亲疏程度的测度研究样本或变量的亲疏程度的数量指标有两种：一种叫相似系数，性质越接近的变量或样本，它们的相似系数越接近于1或一l，而彼此无关的变量或样本它们的相似系数则越接近于0，相似的为一类，不相似的为不同类。另一种叫距离，它是将每一个样本看作p维空间的一

5、个点，并用某种度量测量点与点之间的距离，距离较近的归为一类，距离较远的点应属于不同的类。13设有n个样本单位，每个样本测得p项指标（变量），原始资料矩阵为：14定比变量的聚类统计量：距离统计量绝对距离欧式距离明考斯基距离兰氏距离马氏距离切氏距离151.绝对距离（Block距离）2.欧氏距离(Euclideandistance)163.明考斯基距离(Minkowski)4.兰氏距离5.马氏距离6.切比雪夫距离(Chebychev)17181.相关系数2.夹角余弦定比变量的聚类统计量：相似系数统计量19计数变量(Count)（离散变量）的聚类统计量对于计数变量或离散变量，可用于度量样本（或变量）之

6、间的相似性或不相似性程度的统计量主要有卡方测度（Chi-squaremeasure）和Phi方测度（Phi-squaremeasure）。20二值(Binary)变量的聚类统计量21聚类的类型根据聚类对象的不同，分为Q型聚类和R型聚类。Q型聚类：样本之间的聚类即Q型聚类分析，则常用距离来测度样本之间的亲疏程度。R型聚类：变量之间的聚类即R型聚类分析，常用相似系数来测度变量之间的亲疏程度。22聚类的类型根据聚类方法的不同分为系统聚类和K均值聚类。系统聚类：又称为层次聚类（hierarchicalcluster），是指聚类过程是按照一定层次进行的。K均值聚类（K-meansCluster）23层次

7、聚类基本思想：在聚类分析的开始，每个样本（或变量）自成一类；然后，按照某种方法度量所有样本（或变量）之间的亲疏程度，并把最相似的样本（或变量）首先聚成一小类；接下来，度量剩余的样本（或变量）和小类间的亲疏程度，并将当前最接近的样本（或变量）与小类聚成一类；再接下来，再度量剩余的样本（或变量）和小类间的亲疏程度，并将当前最接近的样本（或变量）与小类聚成一类；如此反复，直到所有样本（或变量）聚成一类为