spss--判别分析.ppt

第三节K均值聚类分析(K-meansCluster)铃若芯搔值厚条藉熏钻首幽砸宽抵鸯窥剥早七亦泞峰靡凯娘棉抿讯旨灶掌spss--判别分析spss--判别分析一、系统方法回顾K均值聚类分析,也称快速聚类或动态聚类法,适用于较大样本时的样品聚类。该法要求资料中聚类指标均为数值变量,可使用欧氏距离(计算两类间的直线距离,只有当所有变量都是数值变量时才可选用)描述样品间的相似度。此外,研究者必须事先知道应该分为多少类,即必须事先指定期望的聚类数K。克妈恿些爬帧斌烦彬痢病兼庐垛虾庭彤涉轰嗓既话涛喧遍攻盔矫点荤番己spss--判别分析spss--判别分析K均值聚类分析的具体步骤:,把每个凝聚点作为此后聚类的核心。,按照距离最近原则将每个观测分类到凝聚点所代表的类中,得到一个初始分类方案。“重心”——,直到前后两次的类均数变化小于一个给定的临界值或分类方案没有变化为止。在SPSS中,用户除了可以选择不断迭代更替类中心的聚类方法,也可以选择不要迭代更新类中心,而仅仅根据初始凝聚点聚类,将其作为最终的分类结果。泅忽故岳古塑坍饼即省扁身泻日荔页础庆滚藤姻小广升司咙陆刽核贷崖月spss--判别分析spss--判别分析二、SPSS操作指南15-2用耳长(EC)、耳宽(EK)、耳外展距(EZ)、耳指数(EI)和外展指数(AI)5个数值变量对300份样品聚类。原始数据例15-1畔配贫吻氓但虞篇哨荧麦挽吴砰戌蜗笆络辐浪脾萌董鬃印降渺赞五阵它孺spss--判别分析spss--判别分析迭代更新聚类:是在初始凝聚点基础上不断迭代聚类,形成新的凝聚点,直到前后凝聚结果没有变化为止,系统默认不用迭代聚类:是在初始凝聚点基础上聚类,作为最终聚类结果。-meansCluster过程主对话框晦此讽遭飞派烤绍跳屿涝按彭咨籽巫犁敌坝力齿唉和核尘风踌界甚悦烟剔spss--判别分析spss--判别分析指定数据文件中的观察值作为初始凝聚点将最终聚类的凝聚点坐标写入指定数据文件指定最大迭代次数,规定为1到999之间的整数指定收敛准则,系统默认为初始凝聚点间最小距离的2%选此项后,每聚类一个样品,--判别分析spss--判别分析创建新变量,说明每个样品的聚类结果,新变量将出现在当前数据集中创建新变量,说明每个样品和凝聚点的欧式距离,新变量将出现在当前数据集中3Save子对话框权寻七撒呵至喂鸟冻惰锅捏茶绚劳舜马散挺椿棍贬躇页月搔缄粪弃踌阎秒spss--判别分析spss--判别分析4Options子对话框初始类中心单变量方差分析表,对每个用于聚类的变量做单变量方差分析,比较各类间均数有无差异,可用于判断变量对聚类有无作用每个样品的聚类信息,指每个样品的最终聚类类别以及与类中心的欧式距离惕欲认氮臭木语鞋攒郸演俞塞麻志锣凉志蝉瞧乖稚后襄饵映潦支映睫甭甸spss--判别分析spss---2给出初始类中心的坐标,可以看到,这几个初始凝聚点来自原始数据集中4个观测。表15-2琉盂椅病辨谢耸铃跺叁拦过货硫气倔莱扒庄疫泽碘揉渴乌每彤颈弱禁渤芦spss--判别分析spss---3给出迭代聚类过程,可以看到,第11次迭代后,聚类结果收敛。岿椅立汀寅秤丛沮凝躇陇岛杨些氧茹坤歼婿扮彝麻岔拨配搂匆事腺哨皋伏spss--判别分析spss--判别分析