聚類方法clustering(編輯修改稿)
2024-08-28 13:50 本頁面
【文章內(nèi)容簡介】 如 1－ rij定義距離 ? 這里不詳細介紹這種聚類度量方法 聚類分析原理介紹 變量按測量尺度（ Measurement Level）分類 ? 間隔（ Interval）尺度變量 ? 連續(xù)變量，如長度、重量、速度、溫度等 ? 有序（ Ordinal）尺度變量 ? 等級變量，不可加，但可比，如一等、二等、三等獎學(xué)金 ? 名義（ Nominal）尺度變量 ? 類別變量，不可加也不可比，如性別、職業(yè)等 ? 當(dāng)對象是同時被各種類型的變量描述時，怎樣描述對象之間的相異度呢？ ? 一種可取的辦法是把所有變量一起處理，將不同類型的變量組合在單個相異矩陣中，把所有有意義的變量轉(zhuǎn)換到 【 0， 1】 的區(qū)間上，只進行一次聚類分析。詳見參考書 主要聚類算法的分類 ? 層次的方法（ 也稱 系統(tǒng)聚類法）（ hierarchical method） ? 劃分方法（ partitioning method） ? 基于密度的方法（ densitybased method） ? 基于網(wǎng)格的方法（ gridbased method） ? 基于模型的方法（ modelbased method） ? …… 其中，前兩種算法是利用 統(tǒng)計學(xué)定義的距離 進行度量 層次的方法（ 也稱 系統(tǒng)聚類法）（ hierarchical method） ? 定義：對給定的數(shù)據(jù)進行層次的分解： ? 分類： ? 凝聚的（ agglomerative）方法（自底向上）（案例介紹） 思想：一開始將每個對象作為單獨的一組，然后根據(jù)同類相近，異類相異的原則，合并對象，直到所有的組合并成一個，或達到一個終止條件為止。 ? 分裂的方法（ divisive）（自頂向下） 思想：一開始將所有的對象置于一類，在迭代的每一步中，一個類不斷地分為更小的類，直到每個對象在單獨的一個類中，或達到一個終止條件。 層次的方法（ 也稱 系統(tǒng)聚類法）（ hierarchical method） ? 特點： ?類的個數(shù)不需事先定好 ?需確定距離矩陣 ?運算量要大，適用于處理小樣本數(shù)據(jù) 廣泛采用的類間距離： ? 最小距離法（ single linkage method） ?極小異常值在實際中不多出現(xiàn)，避免極大值的影響 廣泛采用的類間距離： ? 最大距離法（ plete linkage method） ?可能被極大值扭曲，刪除這些值之后再聚類 廣泛采用的類間距離： ? 類平均距離法（ average linkage method）類間所有樣本點的平均距離 ?該法利用了所有樣本的信息，被認為是較好的系統(tǒng)聚類法 廣泛采用的類間距離： ? 重心法（ centroid hierarchical method） ?類的重心之間的距離 ?對異常值不敏感，結(jié)果更穩(wěn)定 廣泛采用
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1