文档介绍：聚类分析的分析方法
本讲稿第一页，共三十九页
SPSS中的聚类分析
Spss中的聚类功能常用的有两种：
快速聚类（迭代过程）：
K-Means Cluster
系统聚类：Hierarchical Cl 皮尔逊相关系数(R)
切比雪夫距离
（二）各种距离和相似系数（亲疏关系指标）
本讲稿第九页，共三十九页
绝对值距离
明考斯基

本讲稿第十页，共三十九页
本讲稿第十一页，共三十九页
Statistics
聚类进度表
相似矩阵
样品或变量的分类情况
本讲稿第十二页，共三十九页
本讲稿第十三页，共三十九页
凝聚状态表的第一列表示聚类分析的第几步；第二列、第三列表示本步聚类中哪两个样本或小类聚成一类；第四列是相应的样本距离或小类距离；第五列、第六列表明本步聚类中，参与聚类的是样本还是小类。0表示样本，数字n(非0）表示由第n步聚类产生的小类参与本步聚类；第七列表示本步聚类的结果将在下面聚类的第几步中用到。
本讲稿第十四页，共三十九页
本讲稿第十五页，共三十九页
Plot
树状结构图
冰柱图
冰柱的方向
本讲稿第十六页，共三十九页
Number of clusters
Case
X7
X5
X4
X3
X6
X8
X2
X1
1
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
2
X
X
X
X
X
X
X
X
X
X
X
X
X
X
3
X
X
X
X
X
X
X
X
X
X
X
X
X
4
X
X
X
X
X
X
X
X
X
X
X
X
5
X
X
X
X
X
X
X
X
X
X
X
6
X
X
X
X
X
X
X
X
X
X
7
X
X
X
X
X
X
X
X
X
Vertical Icicle
6
7
本讲稿第十七页，共三十九页
冰柱图因其样子非常象冬天房顶垂下的冰柱得名，它以图形的方式显示层次聚类分析结果，一般从冰柱图的最后一行开始观察，第一列表示类数。两样品之间的“х”表示将其两边的样品(类)联结起来聚成新类。
本讲稿第十八页，共三十九页
本讲稿第十九页，共三十九页
应用举例:
4-1
本讲稿第二十页，共三十九页
首先对表4-1中的原始数据进行标准化变换处理，经过运算使数据标准化得到表4-2，使它的每列数据的平均值为0，方差为1，这样表4-1中5列具有不同量纲、不同数量级的数据
不同地区数据求出欧氏距离。
就能放在一起比较；其次用表4-2中经过标准化处理后的30个
本讲稿第二十一页，共三十九页
本讲稿第二十二页，共三十九页
本讲稿第二十三页，共三十九页
表4-1
本讲稿第二十四页，共三十九页
本讲稿第二十五页，共三十九页
表 4-2
本讲稿第二十六页，共三十九页
本讲稿第二十七页，共三十九页
本讲稿第二十八页，共三十九页
K-Means Cluster聚类
本讲稿第二十九页，共三十九页
K-Means Cluster原理
首先，选择n个数值型变量参与聚类分析，最后要求的聚类数为k个；
其次，由系统选择k个(聚类的类数）观测量（也可由用户指定）作为聚类的种子。
第三，按照距离这些类中心的距离最小的原则把所有观测量（样品）分派到各类重心所在的类中去。
第四，这样每类中可能由若干个样品，计算每个类中各个变量的均值，以此作为第二次迭代的中心；
第五，然后根据这个中心重复第三、第四步，直到中心的迭代标准达到要求时，聚类过程结束。
本讲稿第三十页，共三十九页
K-Means Cluster聚类过程
由Analyze——Classify
——K-Means Cluster
将个变量放入Variable ；
输入最后聚类的个数；
本讲稿第三十一页，共三十九页
例饮料数据（spssex/ ）
16种饮料的热量、咖啡因、钠及价格四种变量
本讲稿第三十二页，共三十九页
快速聚类
本讲稿第三十三页，共三十九页
选项
读写凝聚点
人为固定分类数
ANOVA表，
初始凝聚点等
本