matlab对经济指标分析,利用kmeans分类对重庆经济进行分析(matlab)

利用kmeans分类对重庆经济进行分析

注：本文与本人在CSDN中博客一致，聊作开山。

---------

本文用matalab 中的KMEANS 函数对重庆市2014年38区县经济发展水平的评价指标进行聚类分析，并对结果进行分析。

1、指标体系

数据概览：

2、聚类

1) kmeans常用的调用形式

IDX = KMEANS (X, K)

[IDX,C] = KMEANS (X, K)

[IDX,C, SUMD] = KMEANS (X, K)

[IDX,C, SUMD,D] = KMEANS (X, K)

2) 参数及返回值意义

X：N*P的数据矩阵。

K：表示将X划分为几类，为整数。

IDX：N*1的向量，存储的是每个点的聚类标号。

C：K*P的矩阵，存储的是K个聚类质心位置。

SUMD：1*K的和向量，存储的是类间所有点与该类质心点距离之和。

D：N*K的矩阵，存储的是每个点与所有质心的距离。

3) 调用kmeans工具箱并进行结果分析。

i. 利用多维等高线初步确定应当将样本分为几类

contour3(A1);title(‘样本多维等高图’)

通过结果我们可以发现，等高图将多维样本大致分为三个层次。

ii. 调用kmeans工具箱

A1 = zscore(A);

[IDX,C,SUMD,D] = kmeans(A1,3);

执行得到如下结果：

IDX’=

聚类中心点C’=

各类中样本到聚类中心点距离和

iii. 结果分析

地区分析

三类在地图中的直观体现。可以看到，整个重庆渝中区周围为一类(类标为3)，因为经济水平相对较高；整体而言重庆西部的经济水平明显高于东部地区；值得一提的是万州区，虽然处在重庆的东部，但是由于万州的位置特殊以及发展水平比较高，使得万州的经济水平相较于其它东部地区也有明显的差别。

第一类(类标为1)为以下地区(地图中蓝色)：

第二类(类标为2)为以下地区(地图中橙色)：

第三类(类标为3)为以下地区(地图中红色)：

指标分析：

parallelcoords(A1(a1,:),’color’,’b’);title(‘Ñù±¾Ö¸±ê•ÖÎö’);hold on

parallelcoords(A1(a2,:),’color’,’y’);hold on

parallelcoords(A1(a3,:),’color’,’r’);hold off

通过指标分析，我们可以看出前面12个指标对于每一类来说具有明显差别，1类地区前面12个指标处在较低水平，2类地区前12个指标处在中等水平，3类地区前12个指标处在较高水平，这也显示2、3类地区的经济水平和消费水平处在较高水平。后面9个指标整体来说没有特别明显的差别，而且整体来说1、2类地区的经济潜力高于1类地区。这也说明目前尚出较低水平的地区将有较大的发展潜力。

有明显差别的指标(前12个指标)：

无明显差别的指标(潜力指标)(后9个指标)：

iv. 主要代码clc

clear

data = importdata('data2.xls');

A = data.data;

B = data.textdata;

b = B(1,:);

B(1,:) = [];

A1 = zscore(A);

[IDX,C,SUMD,D] = kmeans(A1,3);

a1=find(IDX==1);

a2=find(IDX==2);

a3=find(IDX==3);

B1 = B(a1,1)';

B2 = B(a2,1)';

B3 = B(a3,1)';

fnshp_P='...\CQ.shp';

S = shaperead(fnshp_P);

c1=fit(B1,S);

c2=fit(B2,S);

c3=fit(B3,S);

mapshow(c1,'FaceColor', [0.3 0.5 1]);

mapshow(c2,'FaceColor', [1 0.5 0]);

mapshow(c3,'FaceColor', [1 0 0]);