SPSS數(shù)據(jù)分析教程-10聚類分析.ppt

SPSS數(shù)據(jù)分析教程,SPSS數(shù)據(jù)分析教程,第10章 聚類分析,目錄,10.1 聚類分析簡(jiǎn)介 10.2 個(gè)案間的距離 10.2.1 定距數(shù)據(jù)（Scale Mearsurement） 距離定義方式 10.2.2 分類數(shù)據(jù)的頻數(shù) 數(shù)據(jù)（Count） 10.2.3 二分類數(shù)據(jù) 10.3 類之間的距離 10.4 系統(tǒng)聚類算法過(guò)程 10.5 系統(tǒng)聚類案例 10.6 K-均值聚類 10.6.1 K-均值法簡(jiǎn)介 10.5.2 K-均值法案例 10.7 兩步法聚類 10.7.1 兩步法簡(jiǎn)介 10.7.2 兩步法案例分析 10.8 聚類分析注意事項(xiàng),本章學(xué)習(xí)目標(biāo),理解聚類分析的基本概念； 了解個(gè)案之間距離的定義方式； 了解類之間距離的定義方式； 掌握系統(tǒng)聚類方法； 掌握兩步法聚類方法； 掌握K均值聚類方法。,10.1 聚類分析簡(jiǎn)介,根據(jù)對(duì)象的某些屬性把它們分到一些組中，使得同組內(nèi)的對(duì)象盡可能地相似，不同組中的對(duì)象盡可能地不一樣，即所謂的聚類分析。 聚類分析方法被稱為“無(wú)監(jiān)督的分析方法”，意即沒(méi)有因變量。而另外一種分類的方法是判別分析，它是把樣本歸入到已知的事先已經(jīng)確定下來(lái)的類中去, 它有因變量（即事先確定的類別），是“有監(jiān)督的分析方法”。,聚類分析不必事先知道分類對(duì)象的結(jié)構(gòu)，從一批樣品的多個(gè)觀測(cè)指標(biāo)中，找出能度量樣品之間或指標(biāo)（變量）之間相似程度或親疏關(guān)系的統(tǒng)計(jì)量，構(gòu)成一個(gè)對(duì)稱相似性矩陣，并按相似程度的大小，把樣品或變量逐一歸類。 根據(jù)對(duì)樣品聚類還是對(duì)變量聚類，聚類分析分Q型聚類和R型聚類。對(duì)變量的聚類稱為R型聚類，而對(duì)樣品（即觀測(cè)值）聚類稱為Q型聚類。通俗講，R型聚類是對(duì)數(shù)據(jù)中的列分類，Q型聚類是對(duì)數(shù)據(jù)中的行分類。,SPSS Statistics提供了3種聚類方法，它們是系統(tǒng)聚類法（又稱層次聚類）、K-均值聚類（又稱快速聚類法）和兩步法聚類。,10.2 個(gè)案間的距離,定距數(shù)據(jù)距離定義方式 歐式（Euclidean）距離 平方歐式距離 余弦距離 皮爾遜（Pearson）相關(guān)性距離 切比雪夫（Chebychev）距離 塊（Block）距離 閔考斯基（Minkowski）距離 冪（Power）距離,10.2.2 分類數(shù)據(jù)之間的距離,卡方度量 Phi方度量,10.3 類之間的距離,SPSS提供了7種計(jì)算兩個(gè)類距離的方法。 組間連接法（Between-groups Linkage） 組內(nèi)連接法（Within-Groups Linkage） 最近鄰元素法（Nearest Neighbor） 最長(zhǎng)距離法（Furthest Neighbor） 質(zhì)心聚類法（Centroid Clustering） 中位數(shù)聚類法（Median Clustering) 離差平方和法（Wards Method）,10.4 系統(tǒng)聚類算法過(guò)程,系統(tǒng)聚類的步驟,第1步：數(shù)據(jù)標(biāo)準(zhǔn)化。把原始數(shù)據(jù)標(biāo)準(zhǔn)化得到標(biāo)準(zhǔn)化數(shù)據(jù)矩陣。 第2步：計(jì)算相似系數(shù)矩陣。這里以余弦距離為例。計(jì)算Q型聚類任意兩個(gè)樣品xj和xk的相似系數(shù)矩陣。,第3步：選出有最大相似系數(shù)的樣品組 。 第4步：把該組樣品加權(quán)平均，這樣就形成了一個(gè)新的組合樣品 。 第5步：用新的樣品類代替原來(lái)的一對(duì)樣品點(diǎn)。 第6步：對(duì)新形成的樣品與其余樣品數(shù)據(jù)重新計(jì)算相似系數(shù)矩陣。 第7步：如此重復(fù)第2步到第5步的過(guò)程，直到把所有樣品都?xì)w類完畢。,第8步：最后，按下列原則構(gòu)成類關(guān)系圖。 若兩個(gè)樣品在已經(jīng)連接成的組中未出現(xiàn)過(guò)，則它們連接成一個(gè)新組。 若兩個(gè)樣品中有一個(gè)在某組中出現(xiàn)過(guò)，則另一個(gè)就加入該組。 若兩個(gè)樣品都在同一組中，則這對(duì)樣品不再分組。 若兩個(gè)樣品都在不同組中出現(xiàn)過(guò)，則把這兩組連接在一起。,10.5 系統(tǒng)聚類案例,打開(kāi)本章的數(shù)據(jù)文件Cluster_cars.sav。 該數(shù)據(jù)是市場(chǎng)上一些品牌汽車的資料，它包括汽車制造商、型號(hào)、新車價(jià)錢、4年以后的二手車價(jià)錢，還有功率、引擎大小、車重、車體長(zhǎng)、車體寬、車輪大小、油耗等諸多屬性。 按照這些數(shù)據(jù)對(duì)當(dāng)前市場(chǎng)上的車進(jìn)行聚類，看看哪些品牌的車定位有類似之處，制造商可以據(jù)此制定相應(yīng)的策略。,選擇【分析】【分類】【系統(tǒng)聚類】 把從“Price in thousand”到“Fuel efficiency”的所有變量選入右邊的“變量框”。 把“Model”變量選入“標(biāo)注個(gè)案”框。 依次單擊【統(tǒng)計(jì)量】、【繪制】、【方法】和【保存】按鈕,10.6 K-均值聚類,K-均值聚類的算法過(guò)程,第1步：用戶給定聚類個(gè)數(shù)K。 第2步：給出初始類中心。 第3步：計(jì)算所有個(gè)體到這K個(gè)類中心的距離，然后按照到K個(gè)類中心距離最短原則，把所有個(gè)體分別劃分到距最近的中心點(diǎn)所在的類中，這樣形成了K個(gè)類，完成一次迭代過(guò)程。 第4步：重新計(jì)算K個(gè)類的類中心。 第5步：重復(fù)進(jìn)行第3步、第4步。直到迭代次數(shù)達(dá)到限制的次數(shù)或者類中心不再變化為止。,K-均值法案例,打開(kāi)本章的數(shù)據(jù)文件Cluster_cars.sav。 該數(shù)據(jù)是市場(chǎng)上一些品牌汽車的資料，它包括汽車制造商、型號(hào)、新車價(jià)錢、4年以后的二手車價(jià)錢，還有功率、引擎大小、車重、車體長(zhǎng)、車體寬、車輪大小、油耗等諸多屬性。 按照這些數(shù)據(jù)對(duì)當(dāng)前市場(chǎng)上的車進(jìn)行聚類，看看哪些品牌的車定位有類似之處，制造商可以據(jù)此制定相應(yīng)的策略。,選擇【分析】【分類】【K-均值聚類】,10.7 兩步法聚類,兩步法聚類又稱兩階段聚類，它與系統(tǒng)聚類相似，是揭示數(shù)據(jù)所蘊(yùn)含的自然組別的一種探索性分析方法。,兩步法聚類的特點(diǎn),（1）聚類變量可以是連續(xù)變量，也可以是分類變量。兩步法聚類充分考慮到這兩種變量的不同性質(zhì)，采用對(duì)數(shù)似然距離來(lái)衡量相似性。 （2）它能自動(dòng)確定出類的個(gè)數(shù)。 （3）能夠有效地分析大數(shù)據(jù)集。,兩階段聚類算法的兩個(gè)階段,第1步：建立一個(gè)聚類特性樹。 第2步：應(yīng)用凝聚算法對(duì)聚類特性樹的葉節(jié)點(diǎn)進(jìn)行分類。,兩步法的距離度量,兩步法的距離度量有兩種 （1）對(duì)數(shù)似然（SPSS 翻譯為對(duì)數(shù)相似值）：這里由于聚類指標(biāo)中含有分類變量，所以只能選擇該項(xiàng)。 （2）歐式距離（Euclidean）：當(dāng)聚類指標(biāo)不含有分類變量時(shí)可以選擇該距離。,聚類數(shù)量,（1）自動(dòng)確定：可以選擇自動(dòng)確定，這里可以限定類個(gè)數(shù)的上限。默認(rèn)最多15個(gè)類。也可以據(jù)需要修改類個(gè)數(shù)的最大值。 （2）指定固定值：如果很有把握，那么你可以輸入你想要的類個(gè)數(shù)。,聚類準(zhǔn)則,有AIC和BIC兩個(gè)準(zhǔn)則，這兩個(gè)模型選擇準(zhǔn)則在選擇模型方面基本類似，都是綜合考慮樣本數(shù)和模型的復(fù)雜程度。AIC或者BIC的值越小，模型越好。,兩步法案例分析,數(shù)據(jù)文件Twosteps_car.sav 選擇【分析】【分類】【兩步聚類】,兩步法聚類選項(xiàng)設(shè)置（1）,兩步法聚類選項(xiàng)設(shè)置（2）,評(píng)估字段：評(píng)估字段不用于聚類過(guò)程，但是可以用它們來(lái)描述兩步法生成的類的特征。,兩步法聚類的模型摘要,兩步法模型視圖,兩步法模型視圖,兩步法模型視圖,作業(yè),