IBM SPSS Modeler 【2】 两步聚类

IBM SPSS Modeler 实验

1、2、“两步”聚类分析实验

接下来，继续进行“两步聚类分析模型”的实验。

（1）          SPSS Modeler 中的“两步”聚类分析方法与 K-Means 聚类分析方法的前四步完全相同。

（2）          进行接入模型。首先，使用“两步”模型进行聚类分析。选中工作区的“类型” 节点，在下面“建模”选项卡中，找到“两步”模型，并双击。在工作区中，即得到一个“两步”模型节点，如图 12所示。

 图 12 工作区中的”两步”模型

 

（3）          同样，在此采用了默认的设置，因此直接运行。运行完毕之后，就可以在窗口右上侧框中看到“两步”聚类分析模型，右键单击该模型，并选择“浏览”。即可得到如图 13 的聚类分析图。

 图 13 “两步”聚类分析图

 

（4）          从图 13 中可以发现，“两步”聚类分析得到的是三个类，分类预测字段的重要性也由药类含量、钾含量、血压、钠含量、性别、年龄和胆固醇含量逐渐递减。

3、Kohonen聚类分析实验

Kohonen 聚类分析实验的步骤也比较简单。

（1）          前四步同 K-Means 聚类分析完全相同，即完成数据的导入、生成类型节点等步骤。

（2）          进行接入模型。选中工作区的“类型”节点，在下面“建模”选项卡中，找到“Kohonen” 模型，并双击。在工作区中，即得到一个“Kohonen”模型节点，如图 14 所示。

 图 14 工作区中的“Kohonen”模型

 

（3）          运行“Kohonen”节点，得到聚类分析模型，如图 15。

 图 15 “Kohonen”聚类分析图

 

（4）          从表中的数据，可以看到模型将数据分成 9 类。对于分类，字段的重要性如下逐渐递减：药类含量、血压、钾含量、性别、胆固醇含量、钠含量、年龄。其他信息也可以从模型中获得。

4、聚类分析模型

以上，完成三种聚类分析的建模。接下来，利用 K-Means 得到的结果进行模型分析。

（1）           添加 K-Means 模型。选定工作区中的“类型”节点，双击右上侧的“K-Means”  模型，即将 K-Means 模型添加到工作区中。

（2）           查看 K-Means 模型。利用“输出”选项卡中的“表”节点对模型的数据进行查看，如图 1-16。在表中，可以看到每个病人所属的类型，表中最后一列“$KND-K-Means” 是指每一个元素距离类中心的距离，距离越小，表示效果越好。

 图 16 用于查看“K-Means”的表 

 

（3）           采用其他形式查看聚类结果。除了“表”的查看方法外，还可以利用其它的查看方式。在这里，采用“图形”选项卡下的“分布”节点进行展示。选定“K-Means”节点，双击“分布”，即可得到“分布节点”。然后，双击该节点，既可以为图选定字段，如图 17 所示。在这里，将“字段”选为“$KND-K-Means”，颜色选为“Drug”，点击运行。

 图 17 “分布图形”节点编辑窗口

 

（4）           分析分布图。如图 18 所示，从分布图中可以看到每个聚类所占的比例和个数，以及该类所拥有的药类。

 图 18 “K-Means”聚类分布图

5、直接分析数据

除了对聚类分析模型进行分析外，还可以对源数据直接分析。在这里，使用“图形”选项卡下的“集合”节点对原始数据进行分析。

（1）          添加“集合”节点。选定“DRUG1n”节点，双击“集合”，既可以添加“集合” 节点到工作区中。

（2）          选择分析的字段。在这里，双击“集合”节点，将 “图”选项卡中的“收集” 下拉列表设置为“Na”，“超出”下拉列表设置为“K”，如图 19 所示。

 图 19 “集合”节点编辑窗口

 

（3）          运行节点流。运行该节点流，既可获得如图 20 的分布图。图中横轴表示“K” 的含量，纵轴表示在横轴上所有拥有“K”含量对应的病人所含有的“Na”含量之和。

 图 20 节点流分布图