基于SPSS的聚类分析应用_吕卫平.pdfVIP

福 建 电 脑 UJIAN COMPUTER F 基于SPSS的聚类分析应用 吕卫平，张晓梅 （龙岩学院数 学与计算机科学学院 福建 龙岩 364000） 【摘 要】：利用 SPSS 的聚类分析功能对全 国 31 个省市的交通事故情况进行分类 ，选取其 中的发 生数 、死亡数 、受伤人数 、直接财产损失四个指标进行分析研究，比较分析后根据所给 出数据对各地 区 交通情况进行分类，以便给交通管理部门制定政策措施给 出参考意见。 【关键字】：聚类分析；K-Means 聚类；交通情况 1绪论 该命令，也可对聚类过程设置各种参数进行人为的干 [5] 聚类分析是直接比较各事物之间的性质，将性质 预 。 相近的归位一类，将事物差别较大的归于不同类的分 进行快速样本聚类首先要选择用于聚类分析的 析技术，它是数据分析中的一种重要技术，它的应用 变量和类数。参与聚类分析的变量必须是数值型变 [1-3] 极为广泛 。许多领域中都会涉及聚类分析方法的应 量，且至少要有一个。为了清楚地表明各观测量最后 用与研究工作。例如：在科学数据探测、信息检索、文 聚到哪一类，还应该指定一个表明观测量特征的变量 本挖掘、空间数据库分析、Web 数据分析、医学诊断、 作为标识变量，例如编号、姓名之类的变量。聚类数必 [4] 生物学等 方面的数据挖掘应用软件中，聚类分析技 须大于等于2 ，但聚类数不能大于数据文件中的观测 术都起着重要作用。在商业领域，聚类可以帮助市场 量数。如果选择了n 个数值型变量参与聚类分析，最 分析人员从消费者数据库中分出不同的消费群体来， 后要求聚类数为k。那么可以由系统首先选择个观测 并且概括出每一类消费者的消费模式或者说习惯，发 量（也可以由用户指定）作为聚类的种子，n 个变量组 现不同类型的客户群。聚类还可以用来从地理数据库 成n 维空间。每个观测量在n 维空间中是个点。k 个事 中识别出具有相似土地用途的区域；可以从保险公司 先指定的观测量就是k 个聚类中心点，也称为初始类 的数据库中发现汽车保险中具有较高索赔概率的群 中心。按照距这几个类中心的距离最小原则把观测量 体；还可以从一个城市的房地产信息数据库中，根据 分派到各类中心所在的类中；形成第一次迭代形成的 户型、房价及地理位置将房地产分成不同的类等。而 k 类。根据组成每一类的观测量计算各变量均值，每一 对于大样本的聚类分析，传统的各种聚类分析方法虽 类中的n 个均值在n 维空间中又形成k 个点，这就是 然能够得到多个分类解，但执行效率并不十分理想， 第二次迭代的类中心，按照这种方法依次迭代下去， 本文要介绍的K-Means 聚类方法则能有效地解决该 直到达到指定的迭代次数或中止迭代的判据要求时， 问题，它能快速的把各观测量分到各类中去。K-Means 迭代停止，聚类结束。 聚类（也称快速聚类），它仍将数据看成k 维维空间上 3基于SPSS的聚类分析在我国交通事故问题 的点，仍以距离作为测度个体“亲疏程度”的指标，并 中的应用 通过牺牲多个解为代价换得高的执行效率。 3.1、基本数据 本文主要应用SPSS （即社会科学统计软件包）的 本文以2009 年全国各地区交通事故的数据为 聚类分析功能，用K-Means 聚类讨论基于SPSS 的聚 例，利用SPSS 的聚类分析功能对全国31 个省市的交 类分析在我国交通事故中的应用。 通事故情况进行分类。首先建立数据文件，定义变量 2基本理论 名：发生数、死亡数、受伤人数、直接财产损失的变量 K-Means 聚类执行快速样本聚类，使用k 均值分 名分