基于SPSS的聚类分析应用.PDF

…～… 一……～……一……一…一 j 磊瞧U下鞋一脑阀’。‘ 基于 SPSS的聚类分析应用 吕卫平，张晓梅 (龙岩学院数学与计算机科学学院 福建 龙岩 364000) 【摘 要 】：利用SPSS的聚类分析功能对全国31个省市的交通事故情况进行分类，选取其中的发 生数、死亡数、受伤人数、直接财产损失四个指标进行分析研究，比较分析后根据所给出数据对各地区 交通情况进行分类，以便给交通管理部门制定政策措施给出参考意见。 【关键字】：聚类分析；K—Means聚类；交通情况 1绪论 该命令，也可对聚类过程设置各种参数进行人为的干 聚类分析是直接比较各事物之间的性质，将性质 预5【】o 相近的归位一类，将事物差别较大的归于不同类的分 进行快速样本聚类首先要选择用于聚类分析的 析技术，它是数据分析中的一种重要技术，它的应用 变量和类数 。参与聚类分析的变量必须是数值型变 极为广泛 【。许多领域 中都会涉及聚类分析方法的应 量，且至少要有一个。为了清楚地表明各观测量最后 用与研究工作。例如：在科学数据探测、信息检索、文 聚到哪一类，还应该指定一个表 明观测量特征的变量 本挖掘、空间数据库分析、Web数据分析、医学诊断、 作为标识变量，例如编号、姓名之类的变量 。聚类数必 生物学等4l1方面的数据挖掘应用软件 中，聚类分析技 须大于等于 2，但聚类数不能大于数据文件中的观测 术都起着重要作用 。在商业领域，聚类可 以帮助市场 量数 。如果选择了n个数值型变量参与聚类分析，最 分析人员从消费者数据库 中分出不同的消费群体来， 后要求聚类数为k。那么可以由系统首先选择个观测 并且概括出每一类消费者的消费模式或者说习惯，发 量 (也可 以由用户指定)作为聚类的种子，n个变量组 现不同类型的客户群。聚类还可以用来从地理数据库 成 n维空间。每个观测量在 n维空间中是个点。k个事 中识别出具有相似土地用途的区域；可以从保险公司 先指定的观测量就是k个聚类 中心点，也称为初始类 的数据库 中发现汽车保险中具有较高索赔概率的群 中心。按照距这几个类中心的距离最小原则把观测量 体；还可以从一个城市的房地产信息数据库中，根据 分派到各类中心所在的类中；形成第一次迭代形成的 户型、房价及地理位置将房地产分成不同的类等。而 k类。根据组成每一类的观测量计算各变量均值，每一 对于大样本的聚类分析，传统的各种聚类分析方法虽 类中的n个均值在n维空间中又形成k个点，这就是 然能够得到多个分类解 ，但执行效率并不十分理想， 第二次迭代的类中心，按照这种方法依次迭代下去， 本文要介绍的K—Means聚类方法则能有效地解决该 直到达到指定的迭代次数或中止迭代的判据要求时， 问题，它能快速的把各观测量分到各类 中去。K—Means 迭代停止，聚类结束 。 聚类 (也称快速聚类)，它仍将数据看成 k维维空间上 3基于SPSS的聚类分析在我国交通事故问题 的点，仍 以距离作为测度个体 “亲疏程度 ”的指标，并 中的应用 通过牺牲多个解为代价换得高的执行效率。 3．1、基本数据 本文主要应用SPSS (即社会科学统计软件包)的 本文以2009年全国各地区交通事故的数据为 聚类分析功能，用K—Means聚类讨论基于 SPSS的聚 例，利用SPSS的聚类分析功能对全国31个省市的交 类分析在我国交通事故中的应用。 通事故情况进行分类。首先建立数据文件，定义变量 2基本理论 名：发生数、死亡数、受伤人数、直接财产损失的变量 K—Means聚类执行快速样本聚类，使用k均值分 名分别为X1、X2、X3、X4，然后输入原始数据，如表 1 类法对观测量进行聚类。可完全使用系统默认值执行 所示： 福建瘩教育厅B类科技研 究项 目(批准号：CJB122121)；龙岩学院校立服务海西面上项 目(批准号：LYXY2011069) · 20·福建电脑 I2013年第9期