聚类分析

 

聚类分析（Cluster Analysis）

一、聚类分析与判别分析

• 判别分析：已知分类情况，将未知个体归入正确类别

• 聚类分析：分类情况未知，对数据结构进行分类

 

二、Q型和R型 聚类

 

Q型是对样本进行分类处理，其作用在于:

1.能利用多个变量对样本进行分类

2.分类结果直观，聚类谱系图能明确、清楚地表达其数值分类结果

3.所得结果比传统的定性分类方法更细致、全面、合理

 

R型是对变量进行分类处理，其作用在于：

1.可以了解变量间及变量组合间的亲疏关系

2.可以根据变量的聚类结果及它们之间的关系，选择主要变量进行回归分析或Q型聚类分析

 

三、聚类过程

1.数据预处理（标准化）

2.构造关系矩阵（亲疏关系的描述）

3.聚类（根据不同方法进行分类）

4.确定最佳分类（类别数）

 

3.1 标准化：

3.1.1为什么要做标准化： 指标变量的量纲不同或数量级相差很大，为了使这些数据能放到一起加以比较，常需做变换。

3.1.2相关说明：假设有N个样本1,2，…n，每个样本有m项指标x 1, x 2,…，x m,用 x ij表示第i个样品第j个指标的值，则可得到样品数据矩阵。

          

均值表示为 ，标准差为 ，极差为

3.1.3 常用方法 

1)Z Scores：标准化变换

作用：变换后的数据均值为0，标准差为1，消去了量纲的影响；当抽样样本改变时，它仍能保持相对稳定性。

 

2)Range –1 to 1：极差标准化变换

 

作用：变换后的数据均值为0，极差为1，且| xij*|<1，消去了量纲的影响；在以后的分析计算中可以减少误差的产生。

3)Maximum magnitude of 1

作用：变换后的数据最大值为1。

4)Range 0 to 1（极差正规化变换 / 规格化变换）

作用：变换后的数据最小为0，最大为1，其余在区间[0，1]内，极差为1，无量纲。

5)Mean of 1

作用：变换后的数据均值为1。

6)Standard  deviation  of  1