聚类分析 SPSS应用.ppt

聚类分析－SPSS应用 快速聚类 快速聚类1－数据标准化 点击菜单Analyze-Descriptive Statistics- Descriptives 快速聚类2 快速聚类3－迭代选项 快速聚类4－输出选项 快速聚类5－输出选项 快速聚类－结果1 快速聚类－结果2 快速聚类－结果3 方差分析表。任意一个变量的类间均方（Cluster MS）均远远大于类内的误差均方值（Error MS） 快速聚类－结果4 聚类小结：给出每类的样品数等。 分层聚类 分层聚类1 Statistics：确定输出的统计项； Plots：确定输出的图表类型； Method：确定聚类方法； Save：确定输出到数据表的新变量。 分层聚类2 Cluster Method-聚类方法 最近相邻,Nearest neighbor 最远相邻Furthest neighbor 组间连接between groups linkage：合并两类结果使得两两项对之间的平均距离最小； 组内连接within-groups linkage：合并两类结果使得类中的两两项对之间的平均距离最小； 离差平方和法Ward 重心法Centroid method，每类重心就是该类的均值 等间隔参数(Interval)： Euclidean距离的平方： Euclidean距离 Cosine—变量矢量的余弦 Pearson correlation－相关系数 Chebychev：两观察单位之间的距离为其任意变量的最大绝对值。 Block:City-Block或Manhattan。两观察单位之间的距离为其值差的绝对值和。 Minkowski：即变量绝对值的第P次幂之和的平方根。P由用户指定。 Customized：即变量绝对值的第P次幂之和的第R次根。 P与R由用户指定。 Transform Measures-距离测量结果的转换方法： Absolute values:把距离值取绝对值。 Change sign：把相似性变为不相似性或取反。用取反的方法使距离顺序颠倒过来。 Rescale to 0-1 range：通过首先减去最小值，然后除以范围的方法使距离标准化。 分层聚类 凝聚状态表 距离或相似系数矩阵 类成员栏：显示每个样品被分配到的类 分层聚类 树型图 冰柱图 显示方向（冰柱图）：垂直，水平 分层聚类 输出到数据表－生成新变量 不建立新变量－默认选项 单一结果 指定范围的结果 分层聚类结果 分层聚类结果 凝聚过程表 Stage：聚类步骤 (cluster combined) Cluster1,cluster2:该步被合并的两类中的观测量号，合并结果取小的序号； Coefficients：距离测度值（本例选择欧氏距离） Stage cluster first appears：合并两项第一次出现的聚类步序号。0表示观测量，非0表示类。 Next Stage：此步合并结果在下一步合并时的步序号。 分层聚类结果 聚类结果的类成员表 分层聚类结果－冰柱图（Vertical Icicle） 第1列“Number of clusters”：表示分多少类，因属聚合法，从聚类过程看该表应该从下往上看 ； 在“CASE”下所有列中：如果最近相连的两列出现两个“X”相连，则表示这两个样品已合并成一类，否则属于不同的两类。 分层聚类结果－冰柱图（Horizontal Icicle） 第1行“Number of clusters”：表示分多少类，因属聚合法，从聚类过程看该表应该从右往左看 ； 在“CASE”下所有行中：如果最近相连的两行出现两个“X”相连，则表示这两个样品已合并成一类，否则属于不同的两类。 分层聚类结果 Dendrogram 树型图 END * 快速聚类－K均值聚类 分层聚类 定义聚类中心 确定分类数 指定分析变量 迭代和分类 迭代选项 输出选项，保存到数据表 输出选项 4 选定后，确定当任一个样品被分到某类后，即刻计算新的类中心。 输入最大迭代步数 迭代收敛判据（0 and 1），含义当两次迭代计算的类中心的变化距离小于原中心距离的百分之N时迭代停止 确定输出各样品的类别到数据表 确定输出各样品到类中心的距离到数据表 初始类中心 方差分析表 每个样品的分类信息 初始类中心，前4个样品作为初始中心。 迭代中心的变化。本例2次迭代后停止。 样品分类信息 最后的分类中心 快速聚类－K均值聚类 分层聚类 指定参与分类的变量。 指定标识变量。 选Cases，样品聚类；选Variables， 变量聚类 Measure-距离或相似性测度植被 等间隔参数(Interval) Count：用于计数数据 Binary:用于二值变量。 Count：用于计数数据 Chi-Square measure：卡方测度 Phi-