聚类分析方法与SPSS.ppt

聚类分析方法（一）聚类分析的一般问题理解聚类分析的关键(1)首先不知道数据到底是来自几个类；(2)第二不知道每个数据到底是那一类；(3)第三也不知道类和类的界限是什么；(4)所谓亲疏程度就是两个数据（变量）综合考虑各指标后的接近程度；2.聚类分析中的“亲疏程度”的度量方法首先要将数据看成空间中的一个点，以此来定义距离，距离的定义有很多，可以分为欧氏距离，明氏距离，夹角余弦等；根据变量的类型不同，距离的定义方式也不同，比如定距型变量和计数型变量的距离就不一样；3.聚类分析的几点说明常见的聚类分析方法有两种：层次聚类和K－Mean聚类，这两种方法SPSS都提供菜单操作。（二）层次聚类凝聚方式聚类的思想是首先每个样本自成一类，然后按照某种方法度量个体间的亲疏程度，将其中最亲密的个体聚成一小类，然后以此继续下去，直到最后只剩下一个类；分解方式聚类的思想是首先所有个体都成为一个大类，然后按照某种方法度量亲疏程度，将最疏远的个体分离除去形成两个类，以此继续下去，知道每一个个体自成一类；在SPSS中采用凝聚方式的聚类方法2.个体与小类，小类与小类之间的亲疏程度的度量方法“Cluster”共有七种进行聚类的方法：①“Between-groupslinkage”类间平均法，当两类之间所有个案之间距离的平均值最小时，这两类可以合并为一类。这是系统缺省的方法。②“Within-groupslinkage”类内平均法，当合并后所有个案的距离的平均值最小时，这两类可以合并为一类。③“Nearestneighbor”最短距离法，当两类之间最近的个案之间的距离最小时，这两类可以合并为一类。④“Furthestneighbor”最长距离法，当两类之间最远的个案之间的距离最小时，这两类可以合并为一类。⑤“Centroidclustering”重心法，当两类中重心的距离最小时，这两类可以合并为一类。⑥“Medianclustering”中心法，当两类中心的距离最小时，这两类可以合并为一类。⑦“Ward'smethod”离差平方和法，当合并后类内部的各个个案距离的离差平方和最小时，这两类可以合并为一类。啤酒成分和价格数据分层聚类的命令:执行[Analyze][Classify][HierarchicalCluster]，选择变量进入“Variable(s)”中选择聚类类型“Cluster”(单选项)：样本聚类Cases(“Q聚类”)或变量聚类Variable(“R聚类”)“display”中可以选择(复选项)：“Statistics”只计算统计分析。“plots”只产生图像。按钮“Statistics”将产生输出统计量：“Agglomerationschedule”为生成并类过程表。在表中将显示并类过程中的并类信息，包括：并类距离值、在相应值上的并类类别和类间关系。可以根据并类过程表了解聚类过程。“Proximitymatrix”产生测度矩阵。测度矩阵可以显示出并类过程中各类之间的距离或相关性。“ClusterMembership”聚类成员关系表。在并类过程中，各个个案被并到哪一类：“None”不显示聚类成员关系表。“Singlesolution”显示指定类数时聚类成员关系表。指定的类数应当是小于等于个案个数，大于等于1的整数。当聚类到达此指定的数值时，将在输出窗口显示各个个案所属的类。“Rangeofsolutions”显示聚类成员在指定并类范围内所属类的关系表。指定的范围也应当是在个案数与1之间的整数。按钮“Plots”将产生聚类图形“Dendrogram”生成树状图“Icicle”生成冰柱图“Allclusters”全过程冰柱图“Specifiedrangeofclusters”指定并类范围冰柱图“None”不生成冰柱图“Orientaton”图形取向：竖直的Vertical和水平的Horizontal按钮“Method”为聚类方法选择定义样本点间的相似度。选择对变量作标准化处理的方法（三）K-Means聚类K均值法（快速聚类、动态聚类）1.K-Means聚类分析的核心步骤在Method框中是否调整类中心点，其中Iterateandclassify表示由SPSS自动调整类中心，Classify表示在迭代中不更改类中心；通过Iterate按钮去定终止聚类的条件，Maximumiteration标志最大迭代数，在ConvergenceCriterion，Usingrunningmeans选型可以每进入一个新数据就计算一次；将参与K-Means聚类分析的变量选入Variables框中；如果有标记变量，可以把字符型的标记变量选入LabelCasesby框中；在Numberofclusters框中选择聚类数目，该数应该小于样本数，点击Center>>在Method框中