聚类新要点分析.pptVIP

聚类分析 在区域经济中的应用 概述 聚类，物以类聚。依据某种方法及准则对一组样本或变量进行分类的多元统计方法。 在聚类分析中，对样本分类叫Q型聚类，对变量的分类叫R型聚类。 方法：层次聚类法、迭代聚类法、快速聚类法。 我们下面所讲的聚类指层次聚类 原始数据处理方法 1.原始数据的测量尺度 (1)间隔尺度：连续的数值，最常见的。（进行无量级化处理） （2）有序尺度：没有明确的数值，有一定的次序。（先无量纲化处理，再进行无量级化处理） （3）名义尺度：无数值，无次序。比如，性别，产品类型。 无量纲化无量级化 无量纲化 如课本83页例子，外语成绩（优、良、及格）与其他课程（分）不属于同一量纲。如果进行同时考虑，需要进行数据变换，这种变化叫无量纲化。 优，良，及格 to 分数 无量级化 物理与数学、语文成绩的数据不属于同一量级，无形中夸大了百分制成绩的重要性，会影响分类结果的准确性，显然应该进行数据变换，这种变换叫无量级化。 变换方法 (1)标准化方法Z Scores 把数值标准化到Z分数 公式：X=（原数值—平均数）/标准差 （2）正负1范围法（Range -1 to 1): 公式：变换后的值=2（原值-最小值）/极差-1 （3）正规化方法（Range 0 to 1) 公式：变后数值=（原值-最小值）/极差 还有，最大值法、均值法、标准差法。 相似性测度 进行分类，就是要把相似的样本划在一起把不相似的样本成分分成不同的类。这就涉及到度量的问题。 那么问题来了。 我们要明确依据什么样的相似测度进行分类。 1 。 距离测度 2 。 相关测度 距离测度 距离的定义： 假使每个样品由p个变量描述，则每个样品都可以看成p维空间中的一个点，n个样品就是p维空间中的n个点，则第i样品与第j样品之间的距离记为dij dij满足下列条件 假使每个样品由p个变量描述，则每个样品都可以看成p维空间中的一个点，n个样品就是p维空间中的n个点，则第i样品与第j样品之间的距离记为dij dij满足下列条件 dij≥0 dii =0 dij = dji dij ≤ dik + dkj 距离测度 两个样本Xi(X1i,X2i,...,Xni） Xj(X1j,X2j,...,Xnj) (1)欧式距离 （2）平方欧式距离 DSquare=D*D （3）明考夫斯基距离 相关测度 （1）夹角余弦 （2）相关系数 相关度的绝对值越接近一，两组越密切。 区别 距离测度，样本之间综合的距离远近程度 相关测度，样本之间结构上的相似程度。 层次聚类法 步骤。以距离测度为例 求一个上三角矩阵 * *