文章目錄

• 1.聚類分析
• • 1.1 K-均值聚類
  • 1.2 系統聚類
• 2.主成分分析
• 3.時間序列

本文介紹一些常用的算法和如何使用SPSS實現

1.聚類分析

1.概述
聚類分析(cluster analysis)也稱群分析、點群分析，是一種無監督學習，與回歸分析、多元分析稱為多元分析的三大方法。是一個把數據對象劃分成子集的過程。每個子集是一個簇(cluster)，使得簇中的對象彼此相似，但是與其他簇中的對象不相似。由聚類分析產生的一個簇的集合叫做一個聚類。

2.基本思想：
我們所研究的樣品或指標（變量）之間存在程度不同的相似性（親疏關系——以樣品間距離衡量）。于是根據一批樣品的多個觀測指標，具體找出一些能夠度量樣品或指標之間相似程度的統計量，以這些統計量為劃分類型的依據。把一些相似程度較大的樣品（或指標）聚合為一類，把另外一些彼此之間相似程度較大的樣品（或指標）又聚合為另一類，直到把所有的樣品（或指標）聚合完畢，滿足“類內差異小，類間差異大”，這就是分類的基本思想。也就是“物以類聚”的思想。

3.聚類分析的步驟

步驟1：選擇聚類分析變量；

這些變量應具備以下特點：
1）和聚類分析的目標相關；
2）反映了要分類對象的特征；
3）在不同對象的值具有明顯差異；
4）變量之間不應該高度相關
對于變量高度相關的處理辦法（兩種）：
1）在對案例聚類分析之前，先對變量進行聚類分析，在各類中選擇具有代表性的變量作為聚類變量；
2）對變量做因素分析，產生一組不相關變量作為聚類變量。
步驟2：計算相似性
相似性(Similarity)是聚類分析的一個基本概念，反映了研究對象之間的親疏程度。聚類分析就是根據研究對象之間的相似性來進行分類的。
步驟3：聚類
選定聚類方法，確定形成的類數。

步驟4：聚類結果的解釋
得到聚類結果后，對結果進行驗證和解釋，以保證聚類解是可信的。
聚類分析的特征：

分組：聚類分析的過程就是把一個數據對象分成若干個組(或者簇)的過程。

相似：組內的對象具有很高的相似性，而對于另外一些組，則要求盡可能的不相似。

評估：聚類完成后，還需要一些評價函數對聚類結果進行度量，通常涉及距離度量。

具體幾種距離算法可見：聚類分析理論介紹

1.1 K-均值聚類

案例





結果：

1.2 系統聚類

2.主成分分析

3.時間序列

先定義數據


點擊確定


結果：

4.神經網絡
5.多元線性回歸
6.logistic回歸
后面再補充…

總結

以上是生活随笔為你收集整理的SPSS的算法介绍与实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。