聚类和判别分析.pptVIP

9.3K-均值聚类第4步主要结果及分析：初始聚类中心表Cluster123学习动机406777学习态度807037自我感觉548457学习效果4469100迭代历史表由表可知，第一次迭代后，3个类的中心点分别变化了8.193，9.889和13.472。一共进行了10次迭代，达到聚类结果的要求（达到最大迭代次数），聚类分析结束。由于没有指定初始聚类中心，列出了由系统指定的类中心。与原数据比较，发现它们分别是第1、第6和第7号个案。迭代聚类中心内的更改12318.1939.88913.47223.9097.6314.70131.3031.526.6724.434.305.0965.145.061.0146.048.012.0027.016.002.0008.005.0003.996E-59.0029.768E-55.709E-610.0011.954E-58.155E-7a.迭代已停止，因为完成了最大次数的迭代。迭代无法收敛。任何中心的最大绝对坐标更改为.000。当前迭代为10。初始中心间的最小距离为48.518。9.3K-均值聚类最终聚类中心表如第1类的学习动机值为39，学习态度值为77，自我感觉值为55，学习效果值为45。样本数情况可看出第1，2，3类中分别含有2，4，6个样本聚类123学习动机395276学习态度777644自我感觉558370学习效果456791聚类12.00024.00036.000有效12.000缺失.0009.3K-均值聚类分类保存情况查看数据文件，可看到多出两个变量，分别表示每个个案的具体分类归属和与类中心的距离。01聚类与判别分析概述02二阶聚类03K-均值聚类04系统聚类05判别分析主要内容9.4系统聚类9.4.1基本概念与统计原理（1）基本概念系统聚类是效果最好且经常使用的方法之一，国内外对它进行了深入的研究，系统聚类在聚类过程中是按一定层次进行的。具体分成两种，分别是Q型聚类和R型聚类，Q型聚类是对样本（个案）进行的分类，它将具有共同特点的个案聚集在一起，以便对不同类的样本进行分析；R型聚类是对变量进行的聚类，它使具有共同特征的变量聚在一起，以便对不同类的变量进行分析。9.4系统聚类9.4.1基本概念与统计原理(2)统计原理系统聚类是根据个案或变量之间的亲疏程度，将最相似的对象聚集在一起。根据系统聚类过程的不同，又分为凝聚法和分解法两种。凝聚法的原理是将参与聚类的每个个案（或变量）视为一类，根据两类之间的距离或相似性，逐步合并直到合并为一个大类为止；分解法的原理是将所有个案（或变量）都视为一类，然后根据距离和相似性逐层分解，直到参与聚类的每个个案（或变量）自成一类为止。在层次聚类中，度量数据之间的亲疏程度是极为关键的。在衡量样本与样本之间的距离时，一般使用的距离有EulcideanDistance、SquaredEuclideanDistance、切比雪夫距离、Block距离、明可斯基距离（Minkowshi）、夹角余弦（Cosine）等。9.4系统聚类9.4.1基本概念与统计原理(2)统计原理衡量样本数据与小类、小类与小类之间亲疏程度的度量方法主要有以下7种：最短距离法（NearestNeighbor）；最短距离法（NearestNeighbor）；最长距离法（FurthestNeighbor）；类间平均链锁法（Between-groupsLinkage）；类内平均链锁法（Within-groupsLinkage）；重心法（CentriodClustering）；中间距离法（MedianClustering）；离差平方和（Ward’sMethod）。9.4系统聚类9.4.2SPSS实现举例【例9-3】已知29例儿童的血中血红蛋白、钙、镁、铁、锰、铜的含量如下表，试对数据进行变量聚类分析。ordercamgfemncuhemoglordercamgfemncuhemogl154.8930.86448.70.0121.0113.51672.2840.12430.801.210.75272.4942.61467.30.0081.64131755.1333.02445.