0.

多元分析之聚类分析。

聚类分析是一种定量方法,从数据的角度,对样本或指标进行分类,进而进行更好的分析。

分为Q型聚类和R型聚类

1.

Q型聚类分析是对样本进行分类。有若干样本,我们把这些样本分成几类,每一类中的样本之间是“相似”的。

1)样本的相似性度量

样本之间的距离来描述样本之间的相似性。

常用的有绝对值距离、欧氏距离。使用欧氏距离必须标准化处理,但避免不了变量的多重相关性。

解决:使用马氏距离( Mahalanobis)。

式子中,x、y是来自总体Z两个样本(向量)。∑是Z的协方差矩阵。

2)类与类之间的相似性度量

如何衡量两个类之间的相似度。

常用的有:

最短距离法:两类中最近两点之间的距离。

最长距离法:两类中最远两点之间的距离。

重心法:两类数据重心的距离。

类平均法:两类所有两两点之间距离的平均。

离差平方和法:

3)Q型聚类分析以及实现

假设有w1,w2,w3…w7这些样本点,Q型聚类就是完成下图:

图中,f坐标代表“平台高度”,实际上是距离值。相同平台高度下各自分为两类。

如若分成3类,则在f3高度下,分为{w7},{w6,w5,w4},{w3,w2,w1}三类。

Q型聚类步骤:

  • 1 )计算n个样本点两两之间的距离dij ,记为矩阵D = (dij)(n*n);
  • 2)首先构造n个类,每一个类中只包含一个样本点,每一类的平台高度均为零
  • 3)合并距离近的两类为新类,并且以这两类间的距离值作为聚类图中的平台高 度;
  • 4)计算新类与当前各类的距离,若类的个数已经等于 1,转入步骤 5),否则,回 到步骤 3);
  • 5)画聚类图;
  • 6)决定类的个数和类。

4) MATLAB实现Q型聚类分析

相关MATLAB函数如下,需要查询下面。

5)一个使用例子:

解决:

 clc,clear
a = [,;,;,;,;,];
y = pdist(a,'cityblock') %计算绝对值距离
yc = squareform(y);
z = linkage(y) %最短距离法产生聚类树 [h,t] = dendrogram(z) %画聚类图命令
T = cluster(z,'maxclust',) %把对象划分为3类
for i = :
tm = find(T == i);%返回第i类对象
tm = reshape(tm,,length(tm));%编程行向量
fprintf('第%d类对象有%s\n',i,int2str(tm));
end

聚类图如下:

产生聚类树的z = linkage(y)得到:

这是一个(m-1)*3的矩阵,m是样例数。

1和2连接,平台高度是1;1和2连接后,新样例做第6点(m+j)。

3和4连接,平台高度是2;做第7点。

6和7连接,平台高度3;做第8点。

5和8连接。

若分成三类,打印结果如下:

3.

R型聚类。

R型聚类是更常用的。影响指标有若干,但这些影响因素(自变量)之间可能有相关性,把比较相关的聚成一类,只选用其中的一个因素来代表该类,从而对问题做出简化。

Q与R的对比:

Q是对样本进行聚类,通过样本之间的距离,结果是把各个样本分堆。

R是要最自变量进行聚类,通过自变量之间的相关系数(这个计算是根据样本计算的),进而对自变量之间的相关性做出分析,相关性大的自变量分在一类,结果是把自变量分堆。

1) 样本之间的距离

采用取Q型相同的方法。

2) 两类之间的距离

r为相关系数。这些操作都是基于相关系数的。

3)具体例子:

计算如下:

 clc,clear
a = textread('ch.txt')
d = - abs(a); %相关系数转距离
d = tril(d); %提出d矩阵的下三角部分
b = nonzeros(d);%去掉d的0
b = b';
z = linkage(b,'complete') %最大距离,产生聚类树
y = cluster(z,'maxclust',) %变量分为2类
ind1 = find(y == );
ind1 = ind1'
ind2 = find(y == );
ind2 = ind2'
dendrogram(z) %画聚类图

产生聚类图如下:

通过聚类图,可以看出,人体的变量大体可以分为两类:

一类反映人高、矮的变量, 如上体长,手臂长,前腰节高,后腰节高,总体长,身高,下体长;

另一类是反映人体 胖瘦的变量,如胸围,颈围,总肩围,总胸宽,后背宽,腰围,臀围。

【数学建模】day09-聚类分析的更多相关文章

  1. Python数学建模-01.新手必读

    Python 完全可以满足数学建模的需要. Python 是数学建模的最佳选择之一,而且在其它工作中也无所不能. 『Python 数学建模 @ Youcans』带你从数模小白成为国赛达人. 1. 数学 ...

  2. Python数学建模-02.数据导入

    数据导入是所有数模编程的第一步,比你想象的更重要. 先要学会一种未必最佳,但是通用.安全.简单.好学的方法. 『Python 数学建模 @ Youcans』带你从数模小白成为国赛达人. 1. 数据导入 ...

  3. Python小白的数学建模课-A1.2021年数维杯C题(运动会优化比赛模式探索)探讨

    Python小白的数学建模课 A1-2021年数维杯C题(运动会优化比赛模式探索)探讨. 运动会优化比赛模式问题,是公平分配问题 『Python小白的数学建模课 @ Youcans』带你从数模小白成为 ...

  4. Python小白的数学建模课-03.线性规划

    线性规划是很多数模培训讲的第一个算法,算法很简单,思想很深刻. 要通过线性规划问题,理解如何学习数学建模.如何选择编程算法. 『Python小白的数学建模课 @ Youcans』带你从数模小白成为国赛 ...

  5. Python小白的数学建模课-05.0-1规划

    0-1 规划不仅是数模竞赛中的常见题型,也具有重要的现实意义. 双十一促销中网购平台要求二选一,就是互斥的决策问题,可以用 0-1规划建模. 小白学习 0-1 规划,首先要学会识别 0-1规划,学习将 ...

  6. Python小白的数学建模课-A3.12 个新冠疫情数模竞赛赛题与点评

    新冠疫情深刻和全面地影响着社会和生活,已经成为数学建模竞赛的背景帝. 本文收集了与新冠疫情相关的的数学建模竞赛赛题,供大家参考,欢迎收藏关注. 『Python小白的数学建模课 @ Youcans』带你 ...

  7. python 版 mldivide matlab 反除(左除)《数学建模算法与程序》Python笔记

    今天在阅读数学建模的时候看到了差分那章 其中有一个用matlab求线性的代码,这里我贴出来 这里我送上 Python代码 In [39]: import numpy as np ...: from s ...

  8. 在数学建模中学MATLAB

    为期三周的数学建模国赛培训昨天正式结束了,还是有一定的收获的,尤其是在MATLAB的使用上. 1. 一些MATLAB的基础性东西: 元胞数组的使用:http://blog.csdn.net/z1137 ...

  9. BITED数学建模七日谈之七:临近比赛时的准备工作

    经过前面六天的文章分享,相信大家对数学模型的相关准备.学习都有了更新的认识,希望大家能从中有所收获,以便更高效地准备比赛和学习数学模型,本文是数学建模经验谈的最后一天:临近比赛的准备工作,希望在临近比 ...

  10. BITED数学建模七日谈之六:组队建议和比赛流程建议

    今天进入数学建模经验谈第六天:组队建议和比赛流程建议 数学模型的组队非常重要,三个人的团队一定要有分工明确而且互有合作,三个人都有其各自的特长,这样在某方面的问题的处理上才会保持高效率. 三个人的分工 ...

随机推荐

  1. Java关键字(四)——final

    对于Java中的 final 关键字,我们首先可以从字面意思上去理解,百度翻译显示如下: 也就是说 final 英文意思表示是最后的,不可更改的.那么对应在 Java 中也是表达这样的意思,可以用 f ...

  2. 【commons】时间日期工具类——commons-lang3-time

    推荐参考:http://www.cnblogs.com/java-class/p/4845962.html https://blog.csdn.net/yihaoawang/article/detai ...

  3. WPF在Canvas中绘图实现折线统计图

    最近在WPF中做一个需要实现统计的功能,其中需要用到统计图,之前也没有接触过,度娘上大多都是各种收费或者免费的第三方控件,不想用第三方控件那就自己画一个吧. 在园子还找到一篇文章,思路来自这篇文章,文 ...

  4. [Loadrunner参数化]一个文件输两列参数的取值

    关于LoadRunner参数化的内容,在脚本开发中属于非常重要的一个知识点.关于这部分知识,在书上和网上到处都能找到,本篇只讲一种特殊情况:一个参数化文件为File类型,有多列值,如何进行参数化取值. ...

  5. Python-正则复习-56

    # 正则表达式# 字符组 [字符]# 元字符 # \w \d \s # \W \D \S # . 除了换行符以外的任意字符 # \n \t # \b # ^ $ 匹配字符串的开始和结束 # () 分组 ...

  6. CONTINUE...?模拟分情况

    CONTINUE...? DreamGrid has  classmates numbered from  to . Some of them are boys and the others are ...

  7. react虚拟dom diff算法

    react虚拟dom:依据diff算法 前端:更新状态.更新视图:所以前端页面的性能问题主要是由Dom操作引起的,解放Dom操作复杂性 刻不容缓 因为:Dom渲染慢,而JS解析编译相对非常非常非常快! ...

  8. poj2226 Muddy Fields 填充棒子(二分匹配)

    参考博客:https://blog.csdn.net/liujc_/article/details/51287019 参考博客:https://blog.csdn.net/acdreamers/art ...

  9. MySQL 遇到的问题以及解决方案

    Problem: ERROR 2002 (HY000): Can't connect to local MySQL server through socket '/var/lib/mysql/mysq ...

  10. [转帖]Runtime, Engine, VM 的区别是什么?

    这就是个WiFi和WLAN关系的问题嘛.Runtime是指用于支持程序运行时的组件,它可以是个Engine和/或VM.VM是一种系统抽象,它提供代码执行所需的API环境.Engine是一种处理抽象,它 ...