Matlab下用自带函数进行的聚类分析

说明：如果是要用matlab做kmeans聚类分析，直接使用函数kmeans即可。使用方法:kmeans(输入矩阵，分类个数k)。

 

转载一：

MATLAB提供了两种方法进行聚类分析：

1、利用 clusterdata 函数对数据样本进行一次聚类，这个方法简洁方便，其特点是使用范围较窄，不能由用户根据自身需要来设定参数，更改距离计算方法；

2、分步聚类：（ 1）用 pdist函数计算变量之间的距离，找到数据集合中两辆变量之间的相似性和非相似性；（2）用 linkage函数定义变量之间的连接；（ 3）用 cophenetic函数评价聚类信息；（ 4）用 cluster函数进行聚类。

下边详细介绍两种方法:

1、一次聚类

Clusterdata函数可以视为 pdist、 linkage与 cluster的综合，一般比较简单。

【 clusterdata函数：

调用格式： T=clusterdata(X,cutoff)     

                      等价于Y=pdist(X,’euclid’); Z=linkage(Y,’single’); T=cluster(Z,cutoff)  】

2、分步聚类

（ 1）求出变量之间的相似性

用 pdist函数计算出相似矩阵，有多种方法可以求距离，若此前数据还未无量纲化，则可用 zscore函数对其标准化

【 pdist函数： 调用格式： Y=pdist(X,’metric’)

 说明： X是 M*N矩阵，为由 M个样本组成，每个样本有 N个字段的数据集

        metirc取值为：’ euclidean’：欧氏距离（默认） ‘seuclidean’：标准化欧氏距离; ‘mahalanobis’：马氏距离… 】

pdist生成一个 M*(M-1)/2个元素的行向量，分别表示 M个样本两两间的距离。这样可以缩小保存空间，不过，对于读者来说却是不好操作，因此，若想简单直观的表示，可以用 squareform函数将其转化为方阵，其中 x(i,j)表示第 i个样本与第 j个样本之的距离，对角线均为 0.