统计分析与方法-第七章 聚类分析_第1页
统计分析与方法-第七章 聚类分析_第2页
统计分析与方法-第七章 聚类分析_第3页
统计分析与方法-第七章 聚类分析_第4页
统计分析与方法-第七章 聚类分析_第5页
已阅读5页,还剩57页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、第1,聚类分析,第2,5章对对象进行聚类分析,第3,分类,谚语有“物以类聚,人以群为分”的说法。有分类指标时,分类比较容易。但是有多个指标的时候,很难分类。例如,要把中国的县分为多种,可以根据降水、土地、阳光、湿度等自然条件进行划分。您还可以考虑收入、教育水平、医疗条件、基础设施等指标。4,群集分析,徐璐其他指标项目因重要性或依赖性而异,不能使用平均方法。这是因为可以忽略相对重要性的问题。因此,需要进行多分类,即群集分析。最初的聚类分析是考古学家在考古分类的研究中开发出来的,同时应用于昆虫的分类,广泛应用于天气生物学等领域。5,对于集群分析,对于数据,可以将变量(指示符)分类(相当于对数据的列

2、进行分类),或将观察(事件,样本)分类(相当于对数据的行进行分类)。变量的簇称为r型簇,观察簇称为q型簇。这两个簇在数学上是对称的,没有什么区别。6,反映在集群中选择变量的要求和集群分析的目标紧密相关,要分类的对象的特性变量之间不能存在高度相关。7,如何群集?聚类分析是寻找具有相似性的点或类。如何测量这个“相似性”?一种方法是使用类似的系数。特性越接近,相似系数的绝对值越接近1,徐璐无关样本的相似系数绝对值越接近0。将相似的样品分类为一种,不太相似的样品分类为另一种。另一种方法是将采样视为p维空间中的一点,并在空间中定义距离。更近的点被分类,更远的点被分类为不同的类。8,距离和相似系数,9,距

3、离,距离是什么?我们先看一下样例数据。通常,如果满足以下四个条件,则称为聚合示例:10,一般是明氏距离,闵可夫斯基距离:q=1点:q=2点:q=诗:11,明氏距离的缺点示例:如果测量体重和身高,单位不同,距离测量结果也不同。以欧几里得距离为例。12,length=cm:13,length=mm:改进方法:标准化数据,然后计算距离。14,采用明氏距离时要注意的是,必须采用相同尺寸的变量。如果每个变量的尺寸不同,或者每个变量的尺寸相同,但每个变量的测量值差异很大,则不能直接使用明氏距离。必须首先标准化数据,然后使用标准化数据计算距离。最常见的标准化处理方法是,15,指标标准化方法,16,明氏距离的

4、缺点,另一个缺点是不考虑指标之间的关联性。改进的方法是采用马科夫距离马科夫距离,计算1936年印度数学家:马海拉维斯由协方差矩阵组成的距离。17,除了相似系数、样本间关系研究、距离表示外,还有相似系数。顾名思义,相似系数是描述样品之间相似性的量。常用的相似系数可以是类似系数,例如,夹角馀弦相关系数,18,相似系数,夹角余弦馀弦cosine,如果图中ab和cd的长度不同,但长度不是主要矛盾,则可以使用类似系数,例如,夹角馀弦。19,角度馀弦cosine,20,相关系数,21,22,聚类分析内容,系统聚类方法排序示例聚类方法动态聚类方法模糊聚类方法图论聚类预测方法等,本章介绍了主要常用的系统聚类方

5、法。23,系统聚类法,24,系统聚类法的基本思想,首先将每个研究对象(样本或指标)分别看作一种。然后,根据对象之间的相似性度量,组合h类中最相似的两个类以获得h-1类,然后查找h-1类中最相似的两个类以获得h-2类。继续操作,直到所有对象合并到一个大类中。当然,合并到一个类中会失去群集的意义,因此上述群集进程必须在特定类级别(即未合并的类数)停止,最终类将采用这些未合并的类。确定群集数是一个非常复杂的问题。25,系统聚类法阶段,选择适当的距离,计算距离,将每个样本视为一种,组织n个类,将两个最近的类别合并为一个新类,计算新类和当前类别之间的距离,判断,绘制群集图,根据实际情况确定类和类的数量,

6、在类和类之间徐璐使用不同的方法定义距离会徐璐生成不同的系统群集方法。27、8种系统聚类方法,最短距离方法最大距离方法中间距离方法重心方法平均方法可变类平均方法偏差平方和方法,系统聚类分析方法很多,但分类步骤基本相同。不同之处在于,类与类之间的距离徐璐有不同的定义方法。因此,可以得到不同计算距离的公式。这些公式在形式上没有太大区别,但最终将它们统一成一个公式,给机器计算带来很大的方便。28,系统群集方法,最短距离方法最近距离方法,29,系统群集方法,最大距离方法furthest neighbor,30,系统群集方法,中心方法centroid clustering类平均方法bee如果分类正确,相似

7、样本的偏差平方和必须小,类和类的偏差平方和必须大。具体方法:先将n个样品分类为一种,然后每次缩小一种。每次缩小一种偏差平方和时必须增加,选择两种类型的组合,将偏差平方和增加到最小,直到所有样品分类。32,系统聚类方法,中样本的偏差平方和:33,系统聚类方法,如果有5个样本:1,2,3.5,7,9步骤1:5个样本各分成一类。在这种情况下,类内偏差平方和s=0很明显。步骤2:合并所有可能的两个样品,以计算增加的偏差平方和,如,34,中间距离法,类内平均值法等。35,spss的群集分析和流程;36,示例9.1饮料数据(drink . sav);16种饮料的列、咖啡因、钠和价格的4个变量;37,sps

8、s的群集分析;spss的群集功能通常使用分层群集的功能:分层群集的原则:上述系统群集方法的原理和过程。39,hierarchical集群集群,对于层次集群,选择数据标准化度量方法:选择距离方法或相似性,选择相关性。选择群集方法:也就是说,spss提供了7种方法供您选择群集的方式。选择输出图形:树或冰柱图。40,41,欧氏平方距离,类平均方法簇,快速聚类方法簇,42,欧氏平方距离,最短距离方法簇,欧氏平方距离,最大距离方法簇,43,欧氏平方距离,重心方法簇,欧氏平方距离,words每个消费者都应该评价有关购物态度的6种观点。1表示很不同,7表示很同意。v1购物很有趣。v2购物对我的预算不利。v3

9、购物总是与酒店餐饮联系在一起。v4购物的时候我尽量最好的v5我对购物不感兴趣。v6购物的时候多比较价格,可以节省很多钱。(spss文件:购物态度集群分析),45,类别1:类别1、3、6、7、8、12、15、17 2:类别2、5、9、11、13、22v3购物总是与餐厅吃饭相关联。v5我对购物不感兴趣。47、v1购物很有趣,v3购物总是与餐厅吃饭相关联。v5我对购物不感兴趣。48,3种消费者对v2,v4,v6的评价相对较高,因此可以称为“经济型消费者”。v2购物对我的预算v4购物不利。我在尽可能最好的v6购物时比较价格,可以节省很多钱。49,k-means集群原理,首先选择n个数值变量参与集群分析

10、,最后要求的集群数为k个。其次,系统选择k个(群集类数)观察度量(您也可以指定)作为群集的种子。第三,根据与这些类中心的距离最小的原则,将所有观察测量(样本)分配给每种重心所在的类。第四,在每个类中,多个样本可以计算每个类中每个变量的平均值,用作第二次迭代的中心。第五,根据该中心重复第三和第四步,直到中心的重复标准达到要求。50,k-means methods-输入快速群集,51,k-means methods,52,k-means methods,53,k-means最后一个群集的数量。54,55,56,57,快速群集方法和分层群集方法的应用差异,分层群集方法的群集过程是单向的。如果“示例”(case)进入特定类,则不能将其从该类分类到其它类。快速聚类法由于奇异值、相似性度量和不一致,集群变量的影响较小,可以对不适当的初始分类进行反复调整。58、快速聚类法与层次聚类法应用的差异,层次聚类分析开发初期普遍应用了层次聚类法。特别是组间类平均法和偏差平方和法使用得最广泛。后来,快速聚类方法逐渐被接受,应用日益增多。现在把两者结合起来,取长补短。

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论