SPSS数据分析教程-10聚类分析.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,SPSS,数据分析教程,SPSS,数据分析教程,第,10,章聚类分析,目录,10.1,聚类分析简介,10.2,个案间的距离,10.2.1,定距数据（,Scale Mearsurement,）,距离定义方式,10.2.2,分类数据的频数数据（,Count,）,10.2.3,二分类数据,10.3,类之间的距离,10.4,系统聚类算法过程,10.5,系统聚类案例,10.6,K-,均值聚类,10.6.1,K-,均值法简介,10.5.2,K-,均值法案例,10.7,两步法聚类,10.7.1,两步法简介,10.7.2,两步法案例分析,10.8,聚类分析注意事项,本章学习目标,理解聚类分析的基本概念；,了解个案之间距离的定义方式；,了解类之间距离的定义方式；,掌握系统聚类方法；,掌握两步法聚类方法；,掌握,K,均值聚类方法。,10.1,聚类分析简介,根据对象的某些属性把它们分到一些组中，使得同组内的对象尽可能地相似，不同组中的对象尽可能地不一样，即所谓的聚类分析。,聚类分析方法被称为“无监督的分析方法”，意即没有因变量。而另外一种分类的方法是判别分析，它是把样本归入到已知的事先已经确定下来的类中去,它有因变量（即事先确定的类别），是“有监督的分析方法”。,聚类分析不必事先知道分类对象的结构，从一批样品的多个观测指标中，找出能度量样品之间或指标（变量）之间相似程度或亲疏关系的统计量，构成一个对称相似性矩阵，并按相似程度的大小，把样品或变量逐一归类。,根据对样品聚类还是对变量聚类，聚类分析分,Q,型聚类和,R,型聚类。对变量的聚类称为,R,型聚类，而对样品（即观测值）聚类称为,Q,型聚类。通俗讲，,R,型聚类是对数据中的列分类，,Q,型聚类是对数据中的行分类。,SPSS Statistics,提供了,3,种聚类方法，它们是系统聚类法（又称层次聚类）、,K-,均值聚类（又称快速聚类法）和两步法聚类,。,10.2,个案间的距离,定距数据距离定义方式,欧式（,Euclidean,）距离,平方欧式距离,余弦距离,皮尔逊（,Pearson,）相关性距离,切比雪夫（,Chebychev,）距离,块（,Block,）距离,闵考斯基（,Minkowski,）距离,幂（,Power,）距离,10.2.2,分类数据之间的距离,卡方度量,Phi,方度量,10.3,类之间的距离,SPSS,提供了,7,种计算两个类距离的方法。,组间连接法（,Between-groups Linkage,）,组内连接法（,Within-Groups Linkage,）,最近邻元素法（,Nearest Neighbor,）,最长距离法（,Furthest Neighbor,）,质心聚类法（,Centroid,Clustering,）,中位数聚类法（,Median Clustering),离差平方和法（,Wards Method,）,10.4,系统聚类算法过程,系统聚类的步骤,第,1,步：数据标准化。把原始数据标准化得到标准化数据矩阵。,第,2,步：计算相似系数矩阵。这里以余弦距离为例。计算,Q,型聚类任意两个样品,x,j,和,x,k,的相似系数矩阵,。,第,3,步：选出有最大相似系数的样品组。,第,4,步：把该组样品加权平均，这样就形成了一个新的组合样品。,第,5,步：用新的样品类代替原来的一对样品点。,第,6,步：对新形成的样品与其余样品数据重新计算相似系数矩阵。,第,7,步：如此重复第,2,步到第,5,步的过程，直到把所有样品都归类完毕。,第,8,步：最后，按下列原则构成类关系图。,若两个样品在已经连接成的组中未出现过，则它们连接成一个新组。,若两个样品中有一个在某组中出现过，则另一个就加入该组。,若两个样品都在同一组中，则这对样品不再分组。,若两个样品都在不同组中出现过，则把这两组连接在一起。,10.5,系统聚类案例,打开本章的数据文件,Cluster_cars.sav,。,该数据是市场上一些品牌汽车的资料，它包括汽车制造商、型号、新车价钱、,4,年以后的二手车价钱，还有功率、引擎大小、车重、车体长、车体宽、车轮大小、油耗等诸多属性。,按照这些数据对当前市场上的车进行聚类，看看哪些品牌的车定位有类似之处，制造商可以据此制定相应的策略。,选择,【,分析,】【,分类,】【,系统聚类,】,把从“,Price in thousand”,到“,Fuel efficiency”,的所有变量选入右边的“变量框”。,把“,Model”,变量选入“标注个案”框。,依次单击,【,统计量,】,、,【,绘制,】,、,【,方法,】,和,【,保存,】,按钮,10.6 K-,均值聚类,K-,均值聚类的算法过程,第,1,步：用户给定聚类个数,K,。,第,2,步：给出初始类中心。,第,3,步：计算所有个体到这,K,个类中心的距离，然后按照到,K,个类中心距离最短原则，把所有个体分别划分到距最近的中心点所在的类中，这样形成了,K,个类，完成一次迭代过程。,第,4,步：重新计算,K,个类的类中心。,第,5,步：重复进行第,3,步、第,4,步。直到迭代次数达到限制的次数或者类中心不再变化为止,。,K-,均值法案例,打开本章的数据文件,Cluster_cars.sav,。,该数据是市场上一些品牌汽车的资料，它包括汽车制造商、型号、新车价钱、,4,年以后的二手车价钱，还有功率、引擎大小、车重、车体长、车体宽、车轮大小、油耗等诸多属性。,按照这些数据对当前市场上的车进行聚类，看看哪些品牌的车定位有类似之处，制造商可以据此制定相应的策略。,选择,【,分析,】【,分类,】【K-,均值聚类,】,10.7,两步法聚类,两步法聚类又称两阶段聚类，它与系统聚类相似，是揭示数据所蕴含的自然组别的一种探索性分析方法。,两步法聚类的特点,（,1,）聚类变量可以是连续变量，也可以是分类变量。两步法聚类充分考虑到这两种变量的不同性质，采用对数似然距离来衡量相似性。,（,2,）它能自动确定出类的个数。,（,3,）能够有效地分析大数据集。,两阶段聚类算法的两个阶段,第,1,步：建立一个聚类特性树。,第,2,步：应用凝聚算法对聚类特性树的叶节点进行分类。,两步法的距离度量,两步法的距离度量有两种,（,1,）对数似然（,SPSS,翻译为对数相似值）：这里由于聚类指标中含有分类变量，所以只能选择该项。,（,2,）欧式距离（,Euclidean,）：当聚类指标不含有分类变量时可以选择该距离。,聚类数量,（,1,）自动确定：可以选择自动确定，这里可以限定类个数的上限。默认最多,15,个类。也可以据需要修改类个数的最大值。,（,2,）指定固定值：如果很有把握，那么你可以输入你想要的类个数。,聚类准则,有,AIC,和,BIC,两个准则，这两个模型选择准则在选择模型方面基本类似，都是综合考虑样本数和模型的复杂程度。,AIC,或者,BIC,的值越小，模型越好,。,两步法案例分析,数据文件,Twosteps_car.sav,选择,【,分析,】【,分类,】【,两步聚类,】,两步法聚类选项设置（,1,）,两步法聚类选项设置（,2,）,评估字段：评估字段不用于聚类过程，但是可以用它们来描述两步法生成的类的特征。,两步法聚类的模型摘要,两步法模型视图,两步法模型视图,两步法模型视图,作业,