聚类分析的思路和方法.ppt

???x11?x21????组间平均连接法

(Between-grouplinkage)以两类个体两两之间距离的平均数作为类间距离。?组间平均连接法（Between-groupLinkage)2?3?1?5?4?组内平均连接法

(Within-grouplinkage)*将两类个体合并为一类后，以合并后类中所有个体之间的平均距离作为类间距离。组内平均连接法（Within-groupLinkage)*x22?01.x12?02.x11?03.x21?重心法(Centroidclustering)*以两类变量均值（重心）之间的距离作为类间距离。重心距离：均值点的距离*??中位数法(Medianclustering)*以两类变量中位数之间的距离作为类间距离。离差平方和法(Ward’smethod)*离差平方和法是由Ward提出的，因此也称为Ward方法。具体做法是，先将n个个体各自成一类，然后每次减少一类，随着类与类的不断聚合，类内的离差平方和必然不断增大，选择使离差平方和增加最小的两类合并，直到所有的个体归为一类为止。主要步骤*1.选择变量（1）和聚类分析的目的密切相关（2）反映要分类变量的特征（3）在不同研究对象上的值有明显的差异（4）变量之间不能高度相关2.数据变换处理为了消除各指标量纲的影响，需要对原始数据进行必要的变换处理。计算聚类统计量聚类统计量是根据变换以后的数据计算得到的一个新数据，它用于表明各样本或变量间的关系密切程度。常用的统计量有距离和相似系数两大类。聚类主要涉及两个问题：选择聚类的方法确定形成的类数5.聚类结果的解释和证实*对聚类结果进行解释是希望对各个类的特征进行准确的描述，给每类起一个合适的名称。这一步可以借助各种描述性统计量进行分析，通常的做法是计算各类在各聚类变量上的均值，对均值进行比较，还可以解释各类产生的原因。k-均值聚类

K-meansCluster*010204要求事先确定分类数运算速度快（特别是对于大样本）K-均值聚类也叫快速聚类k-均值聚类

K-meansCluster*系统首先选择k个聚类中心，根据其他观测值与聚类中心的距离远近，将所有的观测值分成k类；再将k个类的中心（均值）作为新的聚类中心，重新按照距离进行分类；……，这样一直迭代下去，直到达到指定的迭代次数或达到中止迭代的判据要求时，聚类过程结束。聚类分析终止的条件*迭代次数：当目前的迭代次数等于指定的迭代次数（SPSS默认为10）时终止迭代。01类中心点偏移程度：新确定的类中心点距上个类中心点的最大偏移量小于等于指定的量（SPSS默认为0）时终止聚类。01例子1：31个省区小康和现代化指数的聚类分析*STEP2STEP1利用2001年全国31个省市自治区各类小康和现代化指数的数据，对地区进行聚类分析。数据中包括6类指数：综合指数、社会结构指数、经济与技术发展指数、人口素质指数、生活质量指数、法制与治安指数。系统聚类*Agglomerationschedule：输出聚类过程表ClusterMembership：每个个体类别归属表Proximitymatrix：输出各个体之间的距离矩阵Icicle：冰柱图Dendrogram：聚类树形图如果分为3类*北京、上海、天津江苏、山东、辽宁、浙江、广东、福建、黑龙江、吉林其余省区010203输出各组的统计信息*在数据文件中保存分类信息01Data—Splitfile02**聚类分析

ClusterAnalysis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。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）。01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。02聚类分析无处不在*A谁经常光顾商店，谁买什么东西，买多少？B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C这样商店可以……D识别顾客购买模式（