聚类分析数据模型课件.ppt

《聚类分析数据模型课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、“物以类聚”，对事物分门别类进行研究，有利于我们做出正确的判断。数理统计中的数值分类有两种问题：判别分析：已知分类情况，将未知个体归入正确类别聚类分析：分类情况未知，对数据结构进行分类通过分类，有利于抓住重点，从总体上去把握事物，找出解决问题的方法。如将股票进行分类，可以投资提供参考。聚类分析（ClusterAnalysis）简介聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类的分析技术。要做聚类分析，首先得按照我们聚类的目的，从对象中提取出能表现这个目的的特征指

2、标；然后根据亲疏程度进行分类。聚类分析根据分类对象的不同可分为Q型和R型两大类Q型是对样本进行分类处理，其作用在于:能利用多个变量对样本进行分类分类结果直观，聚类谱系图能明确、清楚地表达其数值分类结果所得结果比传统的定性分类方法更细致、全面、合理二、聚类对象R型是对变量进行分类处理，其作用在于：可以了解变量间及变量组合间的亲疏关系可以根据变量的聚类结果及它们之间的关系，选择主要变量进行回归分析或Q型聚类分析聚类的主要过程一般可分为如下四个步骤：数据预处理（标准化）构造关系矩阵（亲疏关系的描述）聚类（根

3、据不同方法进行分类）确定最佳分类（类别数）三、聚类过程与方法为什么要做数据变换→指标变量的量纲不同或数量级相差很大，为了使这些数据能放到一起加以比较，常需做变换。在SPSS中如何选择标准化方法:→Analyze→Classify→HierachicalClusterAnalysis→Method然后从对话框中进行如下选择1.数据预处理（标准化）例、下表给出了1982年全国28个省、市、自治区农民家庭收支情况，有六个指标，是利用调查资料进行聚类分析，为经济发展决策提供依据。（详见文件1982“农民生活消

4、费聚类.sav”）从TransformValues框中点击向下箭头，将出现如下可选项，从中选一即可：常用标准化方法（选项说明）：None：不进行标准化，这是系统默认值ZScores：标准化变换为了便于后面的说明，作如下假设：均值表示为标准差表示为所有样本表示为极差表示为作用：变换后的数据均值为0，标准差为1，消去了量纲的影响；当抽样样本改变时，它仍能保持相对稳定性。Range–1to1：极差标准化变换作用：变换后的数据均值为0，极差为1，且

5、xij*

6、<1，消去了量纲的影响；在以后的分析计算中可以减少

7、误差的产生。Maximummagnitudeof1作用：变换后的数据最大值为1。Range0to1（极差正规化变换/规格化变换）作用：变换后的数据最小为0，最大为1，其余在区间[0，1]内，极差为1，无量纲。Meanof1作用：变换后的数据均值为1。Standarddeviationof1作用：变换后的数据标准差为1。在SPSS中如何选择测度:→Analyze→Classify→HierachicalClusterAnalysis→Method然后从对话框中进行如下选择2.构造关系矩阵描述变量或样本的

8、亲疏程度的数量指标有两种：相似系数——性质越接近的样品，相似系数越接近于1或-1；彼此无关的样品相似系数则接近于0，聚类时相似的样品聚为一类距离——将每一个样品看作m维空间的一个点，在这m维空间中定义距离，距离较近的点归为一类。相似系数与距离有40多种，但常用的只是少数从Measure框中点击Interval项的向下箭头，将出现如左可选项，从中选一即可。常用测度（选项说明）：Euclideandistance：欧氏距离（二阶Minkowski距离）SquaredEucideandistance：平方欧

9、氏距离用途：聚类分析中用得最广泛的距离但与各变量的量纲有关，未考虑指标间的相关性，也未考虑各变量方差的不同用途：聚类分析中用得最广泛的距离Cosine：夹角余弦(相似性测度)用途：计算两个向量在原点处的夹角余弦。当两夹角为0o时，取值为1，说明极相似；当夹角为90o时，取值为0，说明两者不相关。取值范围：0~1Pearsoncorrelation：皮尔逊相关系数Chebychev：切比雪夫距离用途：计算两个向量的皮尔逊相关系数用途：计算两个向量的切比雪夫距离Block：绝对值距离（一阶Minkowsk

10、i度量）（又称Manhattan度量或网格度量）用途：计算两个向量的绝对值距离Minkowski：明科夫斯基距离用途：计算两个向量的明科夫斯基距离Customized：自定义距离用途：计算两个向量的自定义距离确定了样品或变量间的距离或相似系数后，就要对样品或变量进行分类。分类的一种方法是系统聚类法（又称谱系聚类）；另一种方法是调优法（如动态聚类法就属于这种类型）。此外还有模糊聚类、图论聚类、聚类预报等多种方法。我们主要介绍系统聚类法(实际应用中使用最多)