聚类分析快速聚类分析课件优秀PPT.ppt

《聚类分析快速聚类分析课件优秀PPT.ppt》由会员分享，可在线阅读，更多相关《聚类分析快速聚类分析课件优秀PPT.ppt（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、聚类分析快速聚类分析课件现在学习的是第1页，共14页快速样本聚类的基本概念快速样本聚类的基本概念：当要聚成的类数已知时，使用快速聚类过程可以很快将观测量分到各类中去，其特点是处理速度快，占用内存少。K-Means Cluster执行快速样本聚类，使用K均值分类法对观测量进行聚类。可以完全使用系统默认值执行该命令，也可以对聚类过程设置各种参数进行人为的干预。例如，可以事先指定把数据文件的观测量分为几类：指定是聚类过程中止的判据，或迭代次数等。现在学习的是第2页，共14页 快速聚类适用于大样本的聚类分析，快速聚类适用于大样本的聚类分析，它能快速的把个观测量分到各类中去。它能快速的把个观测量分到各类

2、中去。进行快速样本聚类首先要选择用于聚类分析的变量和类数。参与聚类分析的变量必须是数值型变量，且至少要有一个。为了清楚地表明各观察量最后聚到哪一类，还应该指定一个表明观测量特征的变量作为标识变量，例如编号、姓名之类的变量。聚类必须大于等于2，但是聚类数不能大于数据文件中的观测数。现在学习的是第3页，共14页 如果选择了n个数值型变量参与聚类分析，最后要求聚类数为k。那么可以由系统首先选择k个观测量（也可以由用户指定）作为聚类的种子，n个变量组成n维空间。每个观测量在n维空间中是个点。K个事先指定的观测量就是k个聚类中心点，也称为初始类中心。按照距这几个类中心的距离最小原则把观测量分派到各类中心

3、所在地类中；形成第一次迭代形成的k类。根据组成每一类的观测量计算各变量均值，每一类中的n个均值在n维空间中又形成k个点，这就是第二次迭代的类中心，按照这种方法依次迭代下去，直到达到指定的迭代次数或中止迭代的判别要求时，迭代停止，聚类结束。从上述分析过程可以看出，K-Means Cluster不仅是快速样本聚类过程，而且是一种逐步聚类分析。所谓逐步聚类分析就是先把聚类对象进行初步原始分类，然后逐步进行调整，得到最终分类。现在学习的是第4页，共14页举例：举例：为研究儿童生长发育的分期，调查1253名1个月至7岁儿童的身高（Cm）、体重（Kg）、胸围（Cm）和坐高（Cm）资料。资料作如下处理：先把

4、1个月至7岁划成19个月份段，分算出各指标的平均值，将第一个月的各指标平均值与出生时的各指标平均值比较，求出月平均增长率（%），然后第二个月起的各月份指标平均值与前一月比较，亦求出月平均增长率（%），结果见SPSS软件窗口。欲将儿童生长发育分为四期，故指定聚类的类别数为4，请通过聚类分析确定四个儿童生长发育的起止区间。现在学习的是第5页，共14页表1，初始分类中心现在学习的是第6页，共14页表2，初始分类中心现在学习的是第7页，共14页表3，中止分类中心现在学习的是第8页，共14页表4，方差分析现在学习的是第9页，共14页表5，每类例数现在学习的是第10页，共14页结果分析：结果分析：表1、表

5、2、表3显示：首先系统根据用户的指定，按四类聚合确定初始聚类的各变量中心点，未经K-Means算法迭代，其类别间距离并非最优；经迭代运算后类别间各变量中心值得到修正。现在学习的是第11页，共14页 表4、表5显示：对聚类结果的类别间距离进行方差分析，方差分析表明，类别间距离差异的概率值均0.001，即聚类效果最好。这样，原有19类（即原有的19个月份分组）聚合成4类，第一类还原有1类，第二类还原有1类，第三类还原有2类，第四类还原有15类。具体结果系统以变量名QCL_1存于原始文件中。现在学习的是第12页，共14页最后分析结果：最后分析结果：在原始数据文件中，我们可以清楚地看到聚类结果；参照专业知识，将儿童生长发育分期定为：第一期第一期，出生后至满月，增长率最高。第二期第二期，第二个月起至第三个月，增长率次之。第三期第三期，第三个月起至第八个月，增长率减缓。第四期第四期，第八个月后，增长率显著减缓。现在学习的是第13页，共14页谢谢老师的指导！谢谢老师的指导！Thanks your attention!Thanks your attention!现在学习的是第14页，共14页