第7讲 聚类分析与判别分析

《第7讲 聚类分析与判别分析》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、SPSS统计分析从基础到实践(第2版)联系Email：sharepub@126.com第7讲聚类分析与判别分析7.1K-均值聚类分析聚类分析简介做什么？把没有分类信息的资料按照相似程度归类怎么做？系统聚类法和非系统聚类法K-均值聚类法基本原理K均值聚类法迭代终止条件两次迭代计算的聚心之间距离的最大改变量小于初始聚心间最小距离的倍到达迭代次数的上限K均值聚类的优缺点优点：占有内存少、计算量小、处理速度快，特别适合大样本的聚类分析缺点：1、应用范围有限，要求用户指定分类数目；2、只能对观测量聚类，而不能对变量聚类；

2、3、所使用的聚类变量必须都是连续性变量。利用如下数据将以下城市按照空气指标分类执行【Analyze】/【Classify】/【K-meansCluster】命令，弹出如图所示对话框结果解读初始聚类中心表迭代史表6次终止迭代最终聚类中心表7.2系统聚类法系统聚类法的基本思想是：视观测量（或者变量）各自成为一类；找性质最接近的两个类合并成一个新类，计算在新的类别分划下各类之间的距离；再将性质最接近的两类合并，直到所有模式聚成一类为止。系统聚类法优点：既可以对观测量也可以对变量进行聚类；所使用的变量既可以是连续变量也可

3、以是分类变量；提供的距离计算方法和结果显示方法也很丰富。观测量聚类：按照交通情况对各地进行聚类执行【Analyze】/【Classify】/【HierarchicalCluster】命令，弹出如图所示的对话框结果解读聚类进度表龙骨图变量聚类：按照日照数对月份进行聚类结果解读聚类进度表垂直冰柱图从下往上看龙骨图7.3判别分析——Discriminant过程判别分析简介干什么？判别样品所属类型的一种统计方法与聚类分析的关系相同点：解决分类问题不同点：判别分析是在已知研究对象分成若干类型，对未知类型的样品进行判别分类判

4、别分析的一般步骤常用判别法距离判别法：根据已知分类的数据，分别计算各类的均值（重心），判别准则是任给一次观测，若它与第i类的重心距离最近，就认为它来自第i类。◆注意：距离一般采用马氏距离；距离判别适合对自变量均为连续变量的情况进行分类；距离判别对各类的分布无特定的要求。Fisher判别法：借助方差分析的思想构造一个判别函数，其中判别系数的确定原则是使得类间的区别最大，而且类内的离差最小，利用判别函数计算出待判样品的判别指标，然后与判别临界值进行比较，判别它的类属。Fisher判别对各类分布、方差都没有限制。但当总

5、体个数较多时，计算比较麻烦。Bayes判别法：在考虑先验概率的前提下，利用Bayes公式计算样品来自第i类的后验概率，使用错判损失最小的概念作判别准则，建立判别函数，将待判样品归入来自概率最大类。Bayes判别主要用于多类判别，它要求总体呈多元正态分布.逐步判别法：逐步判别法与逐步回归法的基本思想类似，都是逐步引入变量，每引入一个“最重要”的变量进入判别式，同时也考虑较早引入判别式的某些变量，若其判别能力不显著了，应及时从判别式中剔除去，直到判别式中没有不重要的变量需要剔除，且也没有重要的变量要引入为止。利用表格

6、中的数据判断待判国家的人口发展水平结果解读感谢您的关注