SPSS数据分析教程-10聚类分析.ppt

SPSS数据分析教程,SPSS数据分析教程,第10章 聚类分析,目录,10.1 聚类分析简介 10.2 个案间的距离 10.2.1 定距数据（Scale Mearsurement） 距离定义方式 10.2.2 分类数据的频数 数据（Count） 10.2.3 二分类数据 10.3 类之间的距离 10.4 系统聚类算法过程 10.5 系统聚类案例 10.6 K-均值聚类 10.6.1 K-均值法简介 10.5.2 K-均值法案例 10.7 两步法聚类 10.7.1 两步法简介 10.7.2 两步法案例分析 10.8 聚类分析注意事项,本章学习目标,理解聚类分析的基本概念； 了解个案之间距离的定义方式； 了解类之间距离的定义方式； 掌握系统聚类方法； 掌握两步法聚类方法； 掌握K均值聚类方法。,10.1 聚类分析简介,根据对象的某些属性把它们分到一些组中，使得同组内的对象尽可能地相似，不同组中的对象尽可能地不一样，即所谓的聚类分析。 聚类分析方法被称为“无监督的分析方法”，意即没有因变量。而另外一种分类的方法是判别分析，它是把样本归入到已知的事先已经确定下来的类中去, 它有因变量（即事先确定的类别），是“有监督的分析方法”。,聚类分析不必事先知道分类对象的结构，从一批样品的多个观测指标中，找出能度量样品之间或指标（变量）之间相似程度或亲疏关系的统计量，构成一个对称相似性矩阵，并按相似程度的大小，把样品或变量逐一归类。 根据对样品聚类还是对变量聚类，聚类分析分Q型聚类和R型聚类。对变量的聚类称为R型聚类，而对样品（即观测值）聚类称为Q型聚类。通俗讲，R型聚类是对数据中的列分类，Q型聚类是对数据中的行分类。,SPSS Statistics提供了3种聚类方法，它们是系统聚类法（又称层次聚类）、K-均值聚类（又称快速聚类法）和两步法聚类。,10.2 个案间的距离,定距数据距离定义方式 欧式（Euclidean）距离 平方欧式距离 余弦距离 皮尔逊（Pearson）相关性距离 切比雪夫（Chebychev）距离 块（Block）距离 闵考斯基（Minkowski）距离 幂（Power）距离,10.2.2 分类数据之间的距离,卡方度量 Phi方度量,10.3 类之间的距离,SPSS提供了7种计算两个类距离的方法。 组间连接法（Between-groups Linkage） 组内连接法（Within-Groups Linkage） 最近邻元素法（Nearest Neighbor） 最长距离法（Furthest Neighbor） 质心聚类法（Centroid Clustering） 中位数聚类法（Median Clustering) 离差平方和法（Wards Method）,10.4 系统聚类算法过程,系统聚类的步骤,第1步：数据标准化。把原始数据标准化得到标准化数据矩阵。 第2步：计算相似系数矩阵。这里以余弦距离为例。计算Q型聚类任意两个样品xj和xk的相似系数矩阵。,第3步：选出有最大相似系数的样品组 。 第4步：把该组样品加权平均，这样就形成了一个新的组合样品 。 第5步：用新的样品类代替原来的一对样品点。 第6步：对新形成的样品与其余样品数据重新计算相似系数矩阵。 第7步：如此重复第2步到第5步的过程，直到把所有样品都归类完毕。,第8步：最后，按下列原则构成类关系图。 若两个样品在已经连接成的组中未出现过，则它们连接成一个新组。 若两个样品中有一个在某组中出现过，则另一个就加入该组。 若两个样品都在同一组中，则这对样品不再分组。 若两个样品都在不同组中出现过，则把这两组连接在一起。,10.5 系统聚类案例,打开本章的数据文件Cluster_cars.sav。 该数据是市场上一些品牌汽车的资料，它包括汽车制造商、型号、新车价钱、4年以后的二手车价钱，还有功率、引擎大小、车重、车体长、车体宽、车轮大小、油耗等诸多属性。 按照这些数据对当前市场上的车进行聚类，看看哪些品牌的车定位有类似之处，制造商可以据此制定相应的策略。,选择【分析】【分类】【系统聚类】 把从“Price in thousand”到“Fuel efficiency”的所有变量选入右边的“变量框”。 把“Model”变量选入“标注个案”框。 依次单击【统计量】、【绘制】、【方法】和【保存】按钮,10.6 K-均值聚类,K-均值聚类的算法过程,第1步：用户给定聚类个数K。 第2步：给出初始类中心。 第3步：计算所有个体到这K个类中心的距离，然后按照到K个类中心距离最短原则，把所有个体分别划分到距最近的中心点所在的类中，这样形成了K个类，完成一次迭代过程。 第4步：重新计算K个类的类中心。 第5步：重复进行第3步、第4步。直到迭代次数达到限制的次数或者类中心不再变化为止。,K-均值法案例,打开本章的数据文件Cluster_cars.sav。 该数据是市场上一些品牌汽车的资料，它包括汽车制造商、型号、新车价钱、4年以后的二手车价钱，还有功率、引擎大小、车重、车体长、车体宽、车轮大小、油耗等诸多属性。 按照这些数据对当前市场上的车进行聚类，看看哪些品牌的车定位有类似之处，制造商可以据此制定相应的策略。,选择【分析】【分类】【K-均值聚类】,10.7 两步法聚类,两步法聚类又称两阶段聚类，它与系统聚类相似，是揭示数据所蕴含的自然组别的一种探索性分析方法。,两步法聚类的特点,（1）聚类变量可以是连续变量，也可以是分类变量。两步法聚类充分考虑到这两种变量的不同性质，采用对数似然距离来衡量相似性。 （2）它能自动确定出类的个数。 （3）能够有效地分析大数据集。,两阶段聚类算法的两个阶段,第1步：建立一个聚类特性树。 第2步：应用凝聚算法对聚类特性树的叶节点进行分类。,两步法的距离度量,两步法的距离度量有两种 （1）对数似然（SPSS 翻译为对数相似值）：这里由于聚类指标中含有分类变量，所以只能选择该项。 （2）欧式距离（Euclidean）：当聚类指标不含有分类变量时可以选择该距离。,聚类数量,（1）自动确定：可以选择自动确定，这里可以限定类个数的上限。默认最多15个类。也可以据需要修改类个数的最大值。 （2）指定固定值：如果很有把握，那么你可以输入你想要的类个数。,聚类准则,有AIC和BIC两个准则，这两个模型选择准则在选择模型方面基本类似，都是综合考虑样本数和模型的复杂程度。AIC或者BIC的值越小，模型越好。,两步法案例分析,数据文件Twosteps_car.sav 选择【分析】【分类】【两步聚类】,两步法聚类选项设置（1）,两步法聚类选项设置（2）,评估字段：评估字段不用于聚类过程，但是可以用它们来描述两步法生成的类的特征。,两步法聚类的模型摘要,两步法模型视图,两步法模型视图,两步法模型视图,作业,