多元统计分析最短距离法_多元统计分析第10讲（聚类分析：动态聚类）

6.4 系统聚类的性质及类的确定

(3)根据统计量确定

上一讲介绍了 R-square，这里再补充 3 个用于确定分类个数的统计量。半偏 R-square：

即 k+1 类的 R-square 减去 k 类的 R-square，其用于衡量 k 类与 k+1 类的 R-square 的增值 。如果半偏 R-square 比较大，说明 k+1 类的 R-square 更大，更合理，因此不应该合并为 k 类。伪 F 统计量：

因为比较像 F 分布的定义，所以称为“伪F”

Bk 是组间平方，我们希望 B_k 比较大，进而当伪 F 统计量的值比较大的时候，认为其效果良好。伪 t2 统计量：

评价将类 K 和类 L 合并的效果。这是半偏 R-square 的变形，同样地，当它比较大的时候，认为 k+1 类更好。

(4)根据谱系图

几个准则：各类重心之间的距离必须很大(各类差异性显著)；

确定的类中,各类所包含的元素不要很多；

类的个数必须符合实用目的；

若采用几种不同的聚类方法处理,则在各自的聚类图中应发现相同的类。

例子-- 16 个地区的聚类

6.5 动态聚类法

当样本量比较大时，系统聚类的计算量很大。

动态聚类法基本思想：首先选取 k 个点，其两两间的距离比较大；由此确定出初始的分类，并评估该分类的好坏，如果不好则调整分类。

流程图如下动态聚类的步骤

其优点是适用于大样本，计算简单。缺点是依赖于初始的 k 个点。

改进：换一批凝聚点，如果两种分类结果相同，则接受。否则考虑另外的聚类算法。

(一)凝聚点的选取与初始分类的确定