聚類分析在中實(shí)現(xiàn)

1、關(guān)于聚類分析在中的實(shí)現(xiàn)第一張，PPT共三十一頁，創(chuàng)作于2022年6月概述定義 聚類分析是根據(jù)“物以類聚”的道理，對(duì)樣品或指標(biāo)進(jìn)行分類的一種多元統(tǒng)計(jì)分析方法，它們討論的對(duì)象是大量的樣品，要求能合理地按各自的特性來進(jìn)行合理的分類，沒有任何模式可供參考或依循，即是在沒有先驗(yàn)知識(shí)的情況下進(jìn)行的。第二張，PPT共三十一頁，創(chuàng)作于2022年6月基本思想 樣本（或變量）間存在著相似性，根據(jù)多個(gè)觀測指標(biāo)，找出能度量樣本之間相似程度的統(tǒng)計(jì)量，以其為依據(jù)，把相似程度較大的樣本聚合為一類，關(guān)系密切的聚合到一個(gè)小的分類單位，關(guān)系疏遠(yuǎn)的聚合到一個(gè)大的分類單位，直到把所有的樣本都聚合完畢，把不同的類型一一劃分出來，形成一

2、個(gè)由小到大的分類系統(tǒng)。聚類原則是同一類中的個(gè)體有較大的相似性，不同類中的個(gè)體差異很大。第三張，PPT共三十一頁，創(chuàng)作于2022年6月基本程序 是根據(jù)一批樣品的多個(gè)觀測指標(biāo)，具體地找出一些能夠度量樣品或指標(biāo)之間相似程度的統(tǒng)計(jì)量，然后利用統(tǒng)計(jì)量將樣品或指標(biāo)進(jìn)行歸類。具體進(jìn)行聚類時(shí)，由于目的、要求不同，因而產(chǎn)生各種不同的聚類方法：由小類合并到大類的方法由大類分解為小類的方法靜態(tài)聚類法、動(dòng)態(tài)聚類法按樣本聚類（Q）、按指標(biāo)聚類（R）第四張，PPT共三十一頁，創(chuàng)作于2022年6月舉例 對(duì)上市公司的經(jīng)營業(yè)績進(jìn)行分類；據(jù)經(jīng)濟(jì)信息和市場行情，客觀地對(duì)不同商品、不同用戶及時(shí)地進(jìn)行分類。又例如當(dāng)我們對(duì)企業(yè)的經(jīng)濟(jì)效益

3、進(jìn)行評(píng)價(jià)時(shí)，建立了一個(gè)由多個(gè)指標(biāo)組成的指標(biāo)體系，由于信息的重疊，一些指標(biāo)之間存在很強(qiáng)的相關(guān)性，所以需要將相似的指標(biāo)聚為一類，從而達(dá)到簡化指標(biāo)體系的目的。 第五張，PPT共三十一頁，創(chuàng)作于2022年6月按照聚類分析分組依據(jù)的原則不同分組按照聚類分析的對(duì)象不同分組聚類分析主要方法系統(tǒng)聚類分析法動(dòng)態(tài)聚類分析法模糊聚類法圖論聚類法聚類預(yù)報(bào)法Q型聚類分析法R型聚類分析法第六張，PPT共三十一頁，創(chuàng)作于2022年6月系統(tǒng)聚類分析法 在樣品距離的基礎(chǔ)上定義類與類的距離，首先將各個(gè)樣品自成一類，然后每次將具有最小距離的兩個(gè)類合并，合并后再重新計(jì)算類與類之間的距離，再并類，這個(gè)過程一直持續(xù)到所有的樣品都?xì)w為一類

4、為止。這種聚類方法稱為系統(tǒng)聚類法。根據(jù)并類過程所做的樣品聚類過程圖稱為聚類譜系圖。第七張，PPT共三十一頁，創(chuàng)作于2022年6月動(dòng)態(tài)聚類分析法 將個(gè)樣品初步分類，然后根據(jù)分類函數(shù)盡可能小的原則，對(duì)初步分類進(jìn)行調(diào)整優(yōu)化，直到分類合理為止。這種分類方法一般稱為動(dòng)態(tài)聚類法，也稱為調(diào)優(yōu)法。模糊聚類分析法 利用模糊數(shù)學(xué)中模糊集理論來處理分類問題，它對(duì)經(jīng)濟(jì)領(lǐng)域中具有模糊特征的兩態(tài)數(shù)據(jù)或多態(tài)數(shù)據(jù)具有明顯的分類效果。第八張，PPT共三十一頁，創(chuàng)作于2022年6月圖論聚類法 利用圖論中最小支撐樹（MST）的概念來處理分類問題，是一種獨(dú)具風(fēng)格的方法。聚類預(yù)報(bào)法 利用聚類方法處理預(yù)報(bào)問題，主要是處理一些異常數(shù)據(jù)，如

5、氣象中的災(zāi)害性天氣的預(yù)報(bào)，這些異常數(shù)據(jù)采用回歸分析或判別分析處理的效果不好，而聚類預(yù)報(bào)可以彌補(bǔ)回歸分析及判別分析方法之不足，是一個(gè)很值得重視的方法。第九張，PPT共三十一頁，創(chuàng)作于2022年6月Q型聚類分析法 對(duì)樣本進(jìn)行分類，是具有共同特點(diǎn)的樣本聚在一起，以便對(duì)不同類的樣本進(jìn)行分析。作用 綜合利用多個(gè)變量對(duì)樣品進(jìn)行分類； 分類結(jié)果直觀，聚類譜系圖清晰； 聚類結(jié)果細(xì)致、全面、合理。第十張，PPT共三十一頁，創(chuàng)作于2022年6月R型聚類分析法 對(duì)變量進(jìn)行的分類處理。作用 了解變量之間，以及變量組合之間的親疏程度； 根據(jù)變量分類的結(jié)果，可以選擇最佳的變量組合進(jìn)行回歸分析或者Q型聚類分析。選擇最佳變量

6、，即在聚合的每類變量中選出一個(gè)具有代表性的變量作為典型變量。第十一張，PPT共三十一頁，創(chuàng)作于2022年6月Q型聚類的統(tǒng)計(jì)量 對(duì)樣品進(jìn)行分類時(shí)，通常采用距離來表示樣品之間的親疏程度。常用的距離有：（1）明氏距離（明科夫斯基Minkowski）（2）蘭氏距離（Lance和Williams）（3）馬氏距離（Mahalanobis）（4）斜交空間距離聚類分析的統(tǒng)計(jì)量第十二張，PPT共三十一頁，創(chuàng)作于2022年6月R型聚類的統(tǒng)計(jì)量 對(duì)變量進(jìn)行聚分類析時(shí)，通常采用相似系數(shù)來表示變量之間的親疏程度。常用的相似系數(shù)有：（1）夾角余弦 （2）相關(guān)系數(shù)（3）指數(shù)相似系數(shù)（4）非參數(shù)方法第十三張，PPT共三十一頁

7、，創(chuàng)作于2022年6月SAS解決方案CLUSTER 過程FASTCLUS 過程ACECLUS 過程VARCLUS 過程TREE語句格式第十四張，PPT共三十一頁，創(chuàng)作于2022年6月CLUSTER語句格式數(shù)據(jù)若為原始數(shù)值形式，CLUSTER過程以歐式距離為默認(rèn)的距離計(jì)算方法。PROC CLUSTER METHOD=name;BY variables;COPY variable;ID variable;RMSSTD variable;VAR variables;RUN;例題1第十五張，PPT共三十一頁，創(chuàng)作于2022年6月在CLUSTER語句的“METHOD= ”關(guān)鍵字下，可以指定11種系統(tǒng)聚類

8、方法。 AVERAGE:類平均法 CENTROID:重心法 COMPLETE:最長距離法 DENSITY:密度估計(jì)法 EML:最大似然譜系聚類 FLEXIBLE:可變類平均法 MCQUITTY:可變法及McQuitty相似分析法 MEDIAN:中間距離法 SINGLE:最短距離法 TWOSTAGE:兩階段密度估計(jì)法 WARD:離差平方和法 第十六張，PPT共三十一頁，創(chuàng)作于2022年6月FASTCLUS語句格式研研究事先知道類別的個(gè)數(shù)，但不知道這些類別當(dāng)中的具體樣本，這時(shí)采用快速聚類方法。默認(rèn)情況下，fastclus過程以歐式距離作為分類的判斷標(biāo)準(zhǔn)。PROC FASTCLUS MAXCLUST

9、ERS=n|RADIUS=t;VAR variables;ID variable；FREQ variable；WEIGHT variable；BY variables;RUN;例題2第十七張，PPT共三十一頁，創(chuàng)作于2022年6月例題1數(shù)據(jù)集drink收集了16種飲料的熱量、咖啡因、鈉及價(jià)格四種變量的值?，F(xiàn)在希望利用這四個(gè)變量對(duì)這些飲料品牌進(jìn)行聚類。 第十八張，PPT共三十一頁，創(chuàng)作于2022年6月例題1【SAS程序】proc cluster data=sasuser.drink method=ward; var calorie caffeine sodium price;proc tree;

10、run;第十九張，PPT共三十一頁，創(chuàng)作于2022年6月樹形圖第二十張，PPT共三十一頁，創(chuàng)作于2022年6月第二十一張，PPT共三十一頁，創(chuàng)作于2022年6月例題2假如我們要對(duì)游泳運(yùn)動(dòng)員進(jìn)行分項(xiàng)訓(xùn)練，對(duì)10名運(yùn)動(dòng)員的三項(xiàng)測試數(shù)據(jù)記錄如下。其中變量xl肩寬髖寬100；x2胸厚胸圍100；x3腿長身長100。按泳姿（蝶泳、仰泳、蛙泳、自由泳）對(duì)運(yùn)動(dòng)員進(jìn)行聚類?！維AS程序】proc fastclus data=sasuser.athlete maxc=4 list Outtree=tree;var x1-x3;proc print data=tree;run;第二十二張，PPT共三十一頁，創(chuàng)作于

11、2022年6月第二十三張，PPT共三十一頁，創(chuàng)作于2022年6月ACECLUS語句格式ACECLUS 過程假設(shè)各類別為多元正態(tài)分布且協(xié)方差陣相等，多用于 對(duì)大型數(shù)據(jù)聚類分析的預(yù)分析。ACECLUS 過程的語句格式:PROC ACECLUS PROPOTION=p|THRESHOLD=t;BY variables;FREQ variable;VAR variables;WEIGHT variable;RUN;第二十四張，PPT共三十一頁，創(chuàng)作于2022年6月VARCLUS語句格式對(duì)變量作譜系聚類或分離聚類，即R聚類。PROC VARCLUS ;VAR variables;SEED variabl

12、es;PARTIAL variables;WEIGHT variables;FREQ variables;BY variables;RUN;第二十五張，PPT共三十一頁，創(chuàng)作于2022年6月TREE語句格式TREE 過程將cluster過程和varclus過程輸出的特定數(shù)據(jù)集作為輸入數(shù)據(jù)集，繪制出詳細(xì)的用于描述整個(gè)聚類過程的樹狀圖。PROC TREE ;NAME variables;HEIGHT variables;PARENT variables;BY variables;COPY variables;FREQ variable;ID variable;RUN第二十六張，PPT共三十一頁，創(chuàng)作于2022年6月例：100個(gè)學(xué)生的數(shù)學(xué)、物理、化學(xué)、語文、歷史、英語的成績?nèi)缦卤恚ú糠郑?第二十七張，PPT共三十一頁，創(chuàng)作于2022年6月【SAS程序】Proc Varclus DATA=sasuser.