食品安全检查数据.ppt

01聚类分析的基本思想是将样品或变量分类，使得同一类中的样品或变量的相似性比其他类的样品或变量的相似性更强。即类内差别小，类间差别大。02聚类分析的原理：样品或变量的相似度；聚类分析的类型：样品聚类和变量聚类；聚类分析的方法：系统聚类和快速聚类。聚类分析的基本概念聚类方法距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。系统聚类空间的群点(b)任取两个聚核第一次分类(d)求各类中心快速聚类快速聚类第二次分类具体步骤通常先对原始数据进行标准化处理，以消除量纲影响。确定聚类的方法：系统聚类、快速聚类；选取聚类的类型：样品聚类、变量聚类；注意聚类的细节：如样品间距离和类间距离的选取。聚类结果的评判：聚类结果应与实际相符。上机操作聚类分析某案例的聚类结果聚类分析判别分析对食品所含的有害物质的水平的聚类结果的准确性如何？对于一个新的调查的某种有害物质样本数据，根据已知有害物质的含量（或水平）判断其应归属于哪一类？12问题解析某省19个地区城镇居民家庭消费水平共分为四类：K市为一类；A市、F市为一类；E县、O县、Q市为一类；B县、C市、D市、G县、H市、I县、J市、L市、M县、N市、P市、R县、S县为一类。已知样本某省其它市县的城镇居民家庭消费类调查数据。待判样本某省19个地区城镇居民家庭消费水平的区域划分是否准确？待判样本的归属问题？问题判别分析通常先对原始数据进行标准化处理，以消除量纲影响。01确定已知样本和待判样本；02选择判别方法；03运行结果分析；04检验判别效果。05具体步骤上机操作问题解答1判别结果Fisher判别法Bayes判别法2StandardizedCanonicalDiscriminantFunctionCoefficients（给出标准化的典型判别函数系数）标准化的典型判别函数是由标准化的自变量通过Fisher判别法得到的，所以要得到标准化的典型判别得分，代入该函数的自变量必须是经过标准化的。CanonicalDiscriminantFunctionCoefficients（给出未标准化的典型判别函数系数）未标准化的典型判别函数系数由于可以将实测的样品观测值直接代入求出判别得分，所以该系数使用起来比标准化的系数要方便一些。Fisher判别法未标准化的典型判别函数系数组重心处的费希尔判别函数值Bayes判别法Bayes判别法的输出结果将各样品的自变量值代入上述四个Bayes判别函数，得到四个函数值。比较这四个函数值，哪个函数值比较大就可以判断该样品判入哪一类。个案观察结果表某省城镇居民家庭消费水平的聚类分析结果完全正确。如有新的调查样本数据（待判样品），则可代入Fisher判别函数或Bayes判别函数中进行判别，并对判别结果加以验证。判别结果方法平均水平差异性检验聚类分析和判别分析主成分分析和因子分析典型相关分析多元回归分析某省各地区食品安全水平的综合评价。某省各地区食品安全水平倾向的分析。某省各地区食品安全水平的综合考评。问题提出主成分分析问题解析工资性收入、经营性收入、财产性收入、转移性收入；食品、衣着、家庭设备用品及服务、医疗保健、交通和通信、教育文化娱乐服务、居住、杂项商品和服务。多个变量综合变量是原来变量的线性组合，它不仅保留了原始变量的主要信息，而且彼此之间又不相关。综合变量用少数几个综合变量代替原来多个变量，并且使其损失的信息尽可能的少。问题主成分分析这些变量有较强的相关性基本思想“降维”思想为了全面系统地分析问题，我们选取众多变量，由于每个变量都不同程度地反映了所研究问题的某些信息，彼此之间有一定的相关性，同时增加分析问题的复杂性。故我们想用较少的几个综合变量来代替原来较多的变量，而这些较少的综合变量既能尽可能多地反映原来较多变量的有用信息，且相互之间又是无关的。这种处理问题的方法称为主成分分析。主成分个数提取原则为主成分对应的特征值大于1的前m个主成分。特征值在某种程度上可以被看成是表示主成分影响力度大小的指标，如果特征值小于1，说明该主成分的解释力度还不如直接引入一个原变量的平均解释力度大，因此一般可以用特征值大于1作为纳入标准。根据研究问题选取初始分析变量；建立变量的相关系数阵；由累积方差贡献率确定主成分的个数；构建综合评价函数。将原始数据标准化；根据因子载荷阵求解主成分的相