大三復(fù)習(xí)海意spss講稿10聚類分析

聚類分析概聚類分析是統(tǒng)計(jì)學(xué)中研究“物以類聚”的一種方法,聚類分析概聚類分析是統(tǒng)計(jì)學(xué)中研究“物以類聚”的一種方法,聚類分析是建立一種分類，是將一批樣本(變量)按照在性質(zhì)上的“親疏”程度,在沒有先Copyright2011?深圳大學(xué)管理學(xué)2聚類分析概E聚類分析概E兩類:(AB)(CD三類:(AB)(C)(DCopyright2011?深圳大學(xué)管理學(xué)3聚類分析概“親密”,聚成一聚類分析概“親密”,聚成一把每個(gè)個(gè)案數(shù)據(jù)看成是n維空間上的點(diǎn),在點(diǎn)和點(diǎn)之間定義某種kEUCLID(x,y) (xiyiCopyright2011?深圳大學(xué)管理學(xué)4聚類分析概110聚類分析概110110101Copyright2011?深圳大學(xué)管理學(xué)5聚類分析概d(i,j) b 個(gè)體聚類分析概d(i,j) b 個(gè)體abc1010acbdCopyright2011?深圳大學(xué)管理學(xué)6聚類分析概110110聚類分析概110110101（張三，李四）：a=2b=1c=0d=0（張三，王五）：a=1b=2c=0d=0Copyright2011?深圳大學(xué)管理學(xué)7聚類分析概檢查110檢查000檢查010聚類分析概檢查110檢查000檢查010檢查000張三111001李四Copyright2011?深圳大學(xué)管理學(xué)8聚類分析概J(i,j)b a聚類分析概J(i,j)b ab個(gè)體10個(gè)體10acbdCopyright2011?深圳大學(xué)管理學(xué)9聚類分析概雅科比（Jaccard）1聚類分析概雅科比（Jaccard）110(張三,李四)1:a=2b=1c=0d=0(張三,李四2:a=0b=0c=1d=2d(x,y)=1/(1+2)=1/3相同)(張三,李四)1:a=2b=1c=0d=0J(x,y)=1/(1+2)=1/3(張三,李四)2:a=0b=0c=1d=2J(x,y)=1/1=1(不相同Copyright2011?深圳大學(xué)管理學(xué)聚類分析概檢查110檢查000檢查010檢查000張三男1聚類分析概檢查110檢查000檢查010檢查000張三男111001李四女男1 10d(三..四)0 d(張三,王五),20d(李四,王五)1 0.7511Copyright2011?深圳大學(xué)管理學(xué)聚類分析概–(98.5)(6 (44.5)8 (6 (54.5)))聚類分析概–(98.5)(6 (44.5)8 (6 (54.5)))(66Copyright2011?深圳大學(xué)管理學(xué)）9聚類分析概聚類過程中如果數(shù)據(jù)在數(shù)量級(jí)上存在差異時(shí)，應(yīng)進(jìn)行標(biāo)準(zhǔn)化處理聚類分析概聚類過程中如果數(shù)據(jù)在數(shù)量級(jí)上存在差異時(shí)，應(yīng)進(jìn)行標(biāo)準(zhǔn)化處理例如元Copyright2011?深圳大學(xué)管理學(xué)樣本投入經(jīng)費(fèi)(元課題1238聚類分析概變量之間不應(yīng)具有高度相關(guān)性,否則相當(dāng)于給這些變量進(jìn)行了–聚類分析概變量之間不應(yīng)具有高度相關(guān)性,否則相當(dāng)于給這些變量進(jìn)行了–––Copyright2011?深圳大學(xué)管理學(xué)分層聚思路:聚類過程具有一分層聚思路:聚類過程具有一定的層次其次,將最“親密”的個(gè)體聚成一小然后,將最“親密”的小類或個(gè)體再聚成一可見,隨著聚類的進(jìn)行,類內(nèi)的“親密”性在逐漸減Copyright2011?深圳大學(xué)管理學(xué)分層聚思其次,將大類分層聚思其次,將大類中最“疏遠(yuǎn)”的小類或個(gè)體分離出然后,分別將小類中最“疏遠(yuǎn)”的小類或個(gè)體再分離出Copyright2011?深圳大學(xué)管理學(xué)分層聚“親疏”程度的分層聚“親疏”程度的衡量對(duì)個(gè)體間距個(gè)體和小類間、小類和小類間的距Copyright2011?深圳大學(xué)管理學(xué)分層聚個(gè)體和小類、類和類間的距分層聚個(gè)體和小類、類和類間的距平均鏈鎖法(within-組間平均鏈鎖法(between-groupslinkage):只考慮兩類組內(nèi)平均鏈鎖法（With-groupslinage)：考慮所有個(gè)案Copyright2011?深圳大學(xué)管理學(xué)分層聚基本操作步1.A.菜單選項(xiàng):分層聚基本操作步1.A.菜單選項(xiàng):B.選擇參與聚類分析的變量入variablesC.選擇一字符型變量作為個(gè)案的標(biāo)記變量(labelCopyright2011?深圳大學(xué)管理學(xué)分層聚基本操作步分層聚基本操作步Copyright2011?深圳大學(xué)管理學(xué)分層聚進(jìn)一步的工分層聚進(jìn)一步的工rangeofsolutions:聚成m~n類時(shí)各樣本的歸屬Copyright2011?深圳大學(xué)管理學(xué)分層聚進(jìn)一步的工圖形輸出（plot選項(xiàng)分層聚進(jìn)一步的工圖形輸出（plot選項(xiàng)始到第n2類結(jié)束，間隔n3類的聚類分析過程在冰柱Copyright2011?深圳大學(xué)管理學(xué)分層聚進(jìn)一步的工結(jié)果保存（save選項(xiàng)single分層聚進(jìn)一步的工結(jié)果保存（save選項(xiàng)singlesolution:生成一新變量存儲(chǔ)在聚成n本屬于哪一類(cluN_MN為聚類數(shù),Mrangeofsolutions:生成若干個(gè)變量分別存放聚成Copyright2011?深圳大學(xué)管理學(xué)分層聚聚類數(shù)目的確 分層聚聚類數(shù)目的確 SPSSCopyright2011?深圳大學(xué)管理學(xué)(一)出發(fā)希望做法(一)出發(fā)希望做法Copyright2011?深圳大學(xué)管理學(xué)(二)思指定最后要聚成K用戶指定k個(gè)樣本作為初始類中心或系統(tǒng)自動(dòng)確定k個(gè)樣本作為(二)思指定最后要聚成K用戶指定k個(gè)樣本作為初始類中心或系統(tǒng)自動(dòng)確定k個(gè)樣本作為重新計(jì)算k個(gè)類的類中心(計(jì)算每類各變量的均值,以均值點(diǎn)作為Copyright2011?深圳大學(xué)管理學(xué)(二)思(二)思達(dá)到指定迭代次數(shù)Copyright2011?深圳大學(xué)管理學(xué)(三)基本操作步A.菜單選項(xiàng):analyze->classify-(三)基本操作步A.菜單選項(xiàng):analyze->classify-選定參加快速聚類分析的變量到variables確定快速聚類的類數(shù)(numberofclusters).類數(shù)應(yīng)小選擇聚類方法(method)：默認(rèn)iterateandCopyright2011?深圳大學(xué)管理學(xué)(四)其保存快速聚類的結(jié)(四)其保存快速聚類的結(jié)果clustermembership:將各個(gè)案所屬類的類號(hào)保存distancefromclustercenter:Copyright2011?深圳大學(xué)管理學(xué)(四)其2.輸出選項(xiàng)(四)其2.輸出選項(xiàng)Copyright2011?深圳大學(xué)管理學(xué)(四)其Copyright(四)其Copyright2011?深圳大學(xué)管理學(xué)(四)其4.用戶指定類中心readinitialfrom:據(jù)（應(yīng)設(shè)一個(gè)名為Cluster_的變量名）。(四)其4.用戶指定類中心readinitialfrom:據(jù)（應(yīng)設(shè)一個(gè)名為Cluster_的變量名）。Copyright2011?深圳大學(xué)管理學(xué)K-means用戶指定類中心readinitial