試驗(yàn)設(shè)計(jì)與統(tǒng)計(jì)分析-資料下載頁(yè)
2025-01-07 00:59本頁(yè)面
【正文】 標(biāo)的線(xiàn)性組合 Fi。 ? 2x1x1F2F? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 主成分分析的幾何解釋 平移、旋轉(zhuǎn)坐標(biāo)軸 x1 x2 PCA1 PCA2 0 均值 0 0 0 0 方差 1 1 主成分分析綜合能力 1）貢獻(xiàn)率：第 i個(gè)主成分的方差在全部方差中所占比重 ，稱(chēng)為貢獻(xiàn)率 ， 反映了原來(lái) P個(gè)指標(biāo)多大的信息，有多大的綜合能力 。 ??pi ii 1?? 2）累積貢獻(xiàn)率：前 k個(gè)主成分共有多大的綜合能力，用這 k個(gè)主成分的方差和在全部方差中所占比重 來(lái)描述，稱(chēng)為累積貢獻(xiàn)率。 ????pi iki i 11?? 我們進(jìn)行主成分分析的目的之一是希望用盡可能少的主成分 F1， F2， … ， Fk（ k≤p ） 代替原來(lái)的 P個(gè)指標(biāo) 。 到底應(yīng)該選擇多少個(gè)主成分 ， 在實(shí)際工作中 ， 主成分個(gè)數(shù)的多少取決于能夠反映原來(lái)變量 80%以上的信息量為依據(jù) ， 即當(dāng)累積貢獻(xiàn)率 ≥ 80%時(shí)的主成分的個(gè)數(shù)就足夠了 。 最常見(jiàn)的情況是主成分為 2到 3個(gè) 。 102 聚類(lèi)分析 系統(tǒng)聚類(lèi)分析 : 直觀，易懂。 快速聚類(lèi) : 快速，動(dòng)態(tài)。 有序聚類(lèi) : 保序 (時(shí)間順序或大小順序 )。 103 聚類(lèi)分析根據(jù)一批樣品的許多觀測(cè)指標(biāo) ， 按照一定的數(shù)學(xué)公式具體地計(jì)算一些樣品或一些參數(shù) (指標(biāo) )的相似程度 ， 把相似的樣品或指標(biāo)歸為一類(lèi) ， 把不相似的歸為一類(lèi) 。 樣品之間的聚類(lèi)即 Q型聚類(lèi)分析，則常用距離來(lái)測(cè)度樣品之間的親疏程度。 變量之間的聚類(lèi)即 R型聚類(lèi)分析，常用相似系數(shù)來(lái)測(cè)度變量之間的親疏程度。 104 樣品間親疏程度的測(cè)度 聚類(lèi)距離和方法： 聚類(lèi)距離：樣本點(diǎn)之間的距離； 聚類(lèi)方法：聚類(lèi)過(guò)程中類(lèi)間的距離的構(gòu)造 ，因此聚類(lèi)方法實(shí)質(zhì)上是類(lèi)間聚類(lèi)的定義 。 向量 x=(x1,…, x p)與 y=(y1,…, y p)之間的距離或相似系數(shù) : 2()iiixy??歐氏距離 : Euclidean 平方歐氏距離 : Squared Euclidean 2()iiixy??夾角余弦 (相似系數(shù) 1) : cosine 22( 1 ) c osiiix y x yiiiixyCxy??????Pearson correlation (相似系數(shù) 2): Chebychev: Maxi|xiyi| Block(絕對(duì)距離 ): Si|xiyi| Minkowski: 1()qqiiixy????????當(dāng)變量的測(cè)量值相差懸殊時(shí) ,要先進(jìn)行標(biāo)準(zhǔn)化 . 如 R為極差 , s 為標(biāo)準(zhǔn)差 , 則標(biāo)準(zhǔn)化的數(shù)據(jù)為每個(gè)觀測(cè)值減去均值后再除以 R或 s. 當(dāng)觀測(cè)值大于 0時(shí) , 有人采用 Lance和 Williams的距離 ||1 iii iixyp x y???22( ) ( )( 2)( ) ( )iiix y x yiiiix x y yCrx x y y?????????類(lèi) Gp與類(lèi) Gq之間的距離 Dpq (d(xi,xj)表示點(diǎn) xi∈ G p和 xj ∈ G q之間的距離 ) m in ( , )pq i jD d x x?最短距離法 : 最長(zhǎng)距離法 : 重心法 : 離差平方和 : (Wald) 類(lèi)平均法 : (中間距離 , 可變平均法 ,可變法等可參考各書(shū) ). 在用歐氏距離時(shí) , 有統(tǒng)一的遞推公式 121 2 1 2 1 2( ) 39。( ) , ( ) 39。( ) ,( ) 39。( )i p j qk p qi p i p j q j qx G x Gk i pqx G GD x x x x D x x x xD x x x x D D D D??????? ? ? ? ? ?? ? ? ? ? ? ????m a x ( , )pq i jD d x x?m in ( , )pq p qD d x x?121 ( , )i p j qp q i jx G x GD d x xnn ??? ??107 系統(tǒng)聚類(lèi)基本步驟 1. 構(gòu)造 n個(gè)類(lèi)，每個(gè)類(lèi)包含且只包含一個(gè)樣品。 2. 計(jì)算 n個(gè)樣品兩兩間的距離，構(gòu)成距離矩陣，記作 D0。 3. 合并距離最近的兩類(lèi)為一新類(lèi)。 4. 計(jì)算新類(lèi)與當(dāng)前各類(lèi)的距離。若類(lèi)的個(gè)數(shù)等于 1，轉(zhuǎn)到步驟 (5)，否則回到步驟 (3)。 5. 畫(huà)聚類(lèi)圖。 6. 決定類(lèi)的個(gè)數(shù)，及各類(lèi)包含的樣品數(shù)，并對(duì)類(lèi)作出解釋。 108 確定類(lèi)的個(gè)數(shù) 在聚類(lèi)分析過(guò)程中類(lèi)的個(gè)數(shù)如何來(lái)確定才合適呢 ？這是一個(gè)十分困難的問(wèn)題 ， 人們至今仍未找到令人滿(mǎn)意的方法 。 但是這個(gè)問(wèn)題又是不可回避的 。 下面我們介紹幾種方法 。 給定閾值 —— 通過(guò)觀測(cè)聚類(lèi)圖 ， 給出一個(gè)合適的閾值 T。 要求類(lèi)與類(lèi)之間的距離不要超過(guò) T值 。 例如我們給定 T=， 當(dāng)聚類(lèi)時(shí) ， 類(lèi)間的距離已經(jīng)超過(guò)了 ， 則聚類(lèi)結(jié)束 。 109 統(tǒng)計(jì)量 其中 T是數(shù)據(jù)的總離差平方和 ， 是組內(nèi)離差平方和 。 比較大 ， 說(shuō)明分 G個(gè)類(lèi)時(shí)類(lèi)內(nèi)的離差平方和比較小 ， 也就是說(shuō)分 G類(lèi)是合適的 。 但是 ， 分類(lèi)越多 ， 每個(gè)類(lèi)的類(lèi)內(nèi)的離差平方和就越小 ， 也就越大；所以我們只能取合適的 G， 使得 足夠大 ， 而 G本生很小 ， 隨著 G的增加 ， 的增幅不大 。 比如 ， 假定分 4類(lèi)時(shí) ， =；下一次合并分三類(lèi)時(shí) ， 下降了許多 ， =， 則分 4類(lèi)是合適的 。 TPR G?? 12GP2R2R2R2R2R110 偽 F統(tǒng)計(jì)量的定義為 偽 F統(tǒng)計(jì)量用于評(píng)價(jià)聚為 G類(lèi)的效果 。 如果聚類(lèi)的效果好 ， 類(lèi)間的離差平方和相對(duì)于類(lèi)內(nèi)的離差平方和大 ， 所以應(yīng)該取偽 F統(tǒng)計(jì)量較大而類(lèi)數(shù)較小的聚類(lèi)水平 。 )()1()(GnPGPTFGG????K均值法 (快速聚類(lèi)法 ) 111 Macqueen于 1967年提出，思想是把每個(gè)樣品聚集到最近形心 (均值 )類(lèi)中去。這個(gè)過(guò)程由下列三步組成： 1. 把樣品粗略分成 K個(gè)初始類(lèi)； 2. 進(jìn)行修改，逐個(gè)分派樣品到其最近均值的類(lèi)中去(通常用標(biāo)準(zhǔn)化數(shù)據(jù)或非標(biāo)準(zhǔn)化數(shù)據(jù)計(jì)算歐氏距離 )。重新計(jì)算接受新樣品的類(lèi)和失去樣品的類(lèi)的形心 (均值 )； 2步，直到各類(lèi)無(wú)元素進(jìn)出。 112 選擇凝聚點(diǎn) 分 類(lèi) 修改分類(lèi) 分類(lèi)是否合理 分類(lèi)結(jié)束 Yes No 謝謝！
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1