《聚类分析与判》PPT课件.ppt

《《聚类分析与判》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《聚类分析与判》PPT课件.ppt（44页珍藏版）》请在三一办公上搜索。

1、第12章 聚类分析与判别分析,管理统计学谢湘生广东工业大学管理学院,12.1 聚类分析的作法,12.1.1 概述,聚类分析(Cluster Analysis)是依据研究对象的个体特征，对其进行分类的方法。分类在经济、管理、社会学、医学等领域，有着广泛的应用。,例 为制定我国成年女子的服装标准，选了14项身体指标：（1）总的体高Y1（2）身高Y2（3）上体长Y3（4）手臂长Y4（5）肩宽Y5（6）胸围Y6（7）颈围Y7（8）前胸Y8（9）后背Y9（10）前腰节Y10（11）后腰节Y11（12）下体长Y12（13）腰围Y13（14）臀围Y14对3454个成年女子分别进行了测量。如何根据样本的测量数

2、据制定合乎中国国情的成年女子服装标准。,3454名成年女子14个部位的谱系聚类图(类平均法),距离 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 相关系数 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3,问如何将下述卡通人物分类？,管理实际中经常会遇到类似的问题。一般地，设有p个指标（变量），n个对象，依据这n个对象在这p个指标下的数据，对这n个对象进行聚类。设数据为,指标：1,2,p,对象1对象2对象n,P维空间中的一个点,聚类问题，就是对p维空间中的n个点的聚类问题。,一些要注意的问题,变量（指标）并非越多越好。变量太多，就难以判断聚类结果的实际意义。例如对企业按

3、照技术能力的各项指标（变量）聚类，可以在技术能力等方面把企业分为不同的类别。但如果把企业相关的所有指标都包括进来，对分类结果的含义就难以判断了。,只要指标间有一定相关关系（不必高度相关），就可以对所观察的一群个体分类（Q-型聚类）。从而可以对个体进行进一步研究。例如可以对消费者的偏好进行分类；可以依据不同地区的有关经济特征（变量）对地区进行分类；等等。,如果指标（变量）过多，也可以对指标进行分类（R-型聚类），把含义相近的指标聚在一起，将所有指标分为若干类。,10.1.2 聚类分析的作法,1.将数据标准化,为了消除不同变量的单位对聚类的影响，应当首先将所有的数据标准化。对上述数据矩阵X而言，按

4、列进行标准化，就可解决不同数据单位问题。,其中 分别表示第j列数据的均值与标准差。,2.计算对象之间的“距离”,直观地，应将“相似”的对象分为一类，但如何刻画“相似”。根据前面的讨论，聚类实际上是对n维空间的点进行的，因此“相似”的点的“距离”也近。,具体来说，先计算第i个对象与第j个对象之间的距离rij，就可得到对象之间“相似关系”矩阵：,对象1对象2对象n,对通常的距离而言，rij=rji，因此该矩阵为对称矩阵。,聚类分析中的“距离”,（1）欧氏距离：欧氏距离的平方为,（2）偏差距离：,（3）明考夫斯基(Minkowski)距离（的q次方）：,（4）马氏(Mahalanobis)距离（的平

5、方）：,其中V是协方差矩阵。,在聚类分析中，（1）、（2）中的常数因子(1/p)可以去掉，这样它们就是明氏距离的特殊情况。在具体应用时，可根据实际问题选用其中一种距离。,（1）相关系数：,（2）余弦：,相似系数,3.选择类与类之间的距离定义,（1）类的定义：由1个以上（含1个）对象组成的集合。,（2）类与类之间的距离，有如下几种规定：,用“代表点”之间的距离表示，可以采用两个类之间距离最近（或最远）的点，分别作为这两类的代表点。具体又可分为：,最短距离：取距离最近的两点间距离为两类间的距离。,最长距离：取距离最远的两点间距离为两类间的距离。,用两个类（设它们分别是类S和类T）中所有点之间距离（

6、平方）的平均值，作为两个类之间的距离（的平方）：,其中ns，nt分别是两类中点的个数。dij是点i与点j之间的距离。,这种方法的优点在于，类间的距离不依赖于类内的个别点。采用这种距离聚类的方法称为组间连接法(Between-group linkage)。,按照某一规则，选择类中的一点，作为该类的“代表点”，然后通过代表点间的距离计算类间距离。,类间距离,S1,S3,S2,S4,S5,最短距离(single linkage),最长距离(complete linkage),类间距离,S1,S3,S4,S5,类间距离,S1,S3,S2,S4,S5,平均距离(average),附:离差平方和法(WAR

7、D),基本思想来源于方差分析。它认为：如果分类正确，同类间的离差平方和应较小，类与类之间的类差平方和(与距离有关)应较大.具体做法是，先将n个样本分成一类,然后每次缩小一类,每缩小一类离差平方和就要增大.,4.聚类,思路：聚类是一个迭代过程，首先将每个对象本身作为一类，然后进行迭代，每次迭代都将距离最近（或最远）的类合并成新的类，因此每次迭代类的数目将减少，直至最后所有的对象并为一类为止。,可以用下面的图形形象地说明聚类过程,采用不同的“距离”将得到不同的聚类效果。,第1层次,第2层次,第3层次,第4层次,第5层次,步骤：,（1）把每一个点（对象）作为一类（称为第一层的类）。,（2）找出距离最

8、小（或最大）的dij，从而得出距离最近（或最远）的两类i和j，把它们合并成层次更高的一类。如果有两个距离dij和dst（例如d12和d56）同时达到最小（或最大），则同时把i、j并为一类，s、t并作一类。若i、j与s、t中有一个相同（例如d12=d26），则把这三类并作一类。对有更多小类之间距离同时最小（或最大）可类似处理。,（3）重复（2），直至所有的点（对象）都并成同一类为止。,如果做（2）之前的类是第k层次的类，进行（2）之后的类就是第k+1层的类。,5.分类,将各点（对象）聚类后，最后需要确定以第几层的类作为最终的分类标准。通常使用如下的准则1：,准则1：各类重心之间的距离必须较大（为

9、此应作假设检验）。,准则2：各类所包含的元素个数都不过分地多。,准则3：分类的数目应该符合使用的目的。,准则4：若采用几种不同的聚类方法处理，则在各自的聚类图上应发现相同的类。,但是，一般不使用第一层的类，这实际上是将每个元素各自作为一类；也不使用最后一个层次的类，这实际上是将所有元素作为同一类。这样做失去了分类的意义。,聚类分析的进一步说明,聚类的另一种方式：反其道而行之。,将前述的聚类过程反过来，先将所有点（对象）看成一类，然后按距离的远近，逐步将类拆分成更细的类，直到最后每一点自己为一类为止。,为了区分：前面的方法也称为聚集法；这里的方法也称为分解法。,从上面的讨论来看，我们是根据“距离

10、”的远近来分类，但须注意，距离的定义有多种，它们可能并不同于通常直观的距离。因此有时需要将距离最“远”的归并为一类。,例如如果取相关系数作为“距离”，则该“距离”越大，相应的对象的相关程度就越高，因此宜将它们并为一类。但实际进行统计分析称相关系数等为相似系数,并取距离=(1-相似系数).,我们上面讨论的是对对象的分类，这相当于在下列矩阵中将每一行看成一点，然后考虑对这些点的分类。,指标：1,2,p,对象1对象2对象n,但有的实际问题，可能遇到较多的指标，因此为了清楚分类的实际意义，需要先对指标进行分类。,这只须将上述矩阵中的每一列，看成n维空间的点，然后用前面的方法得到适当的分类即可。或者将上

11、述的方法应用与上面矩阵的转置矩阵即可。,12.2 用SPSS做聚类分析,概述,聚类分析的方法：层次聚类法、迭代聚类法,层次聚类法：就是上一节介绍的方法，又分为：聚集法(Agglomerative Method)和分解法(Divisive Method)。,我们主要介绍层次聚类法，这也是最常用的聚类方法。聚类的结果可以用树状图或冰柱图表示。后面将结合例子说明这两种表示方法。,迭代聚类法(也称为动态聚类法)：这种方法需要指定聚类中心，这相当于指定各类的典型元素。指定聚类中心的方法：可以人为地取定各类的中心，也可由机器产生初始中心。然后通过迭代过程得到所有对象的分类。,用一个简单的例子来说明动态聚类

12、法的工作过程。例如我们要把图中的点分成两类。,迭代过程是:,1、先指定两个迭代（聚类）中心。,2、计算每个点到迭代中心的“距离”,该点到哪个迭代中心的距离近，就将其划分到那个迭代中心所在的那一类。,3、修改迭代中心为各类的“重心”，再回到第2步。,指定聚类中心,第一次聚类,计算各类的中心,第二次聚类,层次聚类法操作过程与例子,例 现有13个运动员，从体形、生理、心理三个方面对他们进行了测评，现在要根据测评的结果对这些运动员进行分类。,数据：见文件“判别运动员”,对运动员聚类而非对指标聚类,同时给出统计分析结果与作图结果,要求给出聚类进度表，将输出凝聚过程中每一步的结果,输出树状图,输出冰柱图,对分类变量,对二值变量,聚类步骤,合并时类的距离,合并了哪些元素,合并过程中第一类的元素上一次在第几步出现,合并过程中第一类的元素下次出现在第几步,冰柱图（垂直）,PASW Statistics 的冰柱图,PASW Statistics 的输出结果,卡通人物分类,建立数据文件,聚类分析结果的谱系图,