ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 17.11.2021
Просмотров: 3533
Скачиваний: 4
207
Кластерный анализ методом K средних
Предположения.
Для вычисления расстояний используется простое евклидово расстояние
.
Если необходимо задать другой тип расстояния или меры сходства
,
обратитесь к процедуре
Иерархический кластерный анализ
.
Масштабирование переменных играет важную роль
.
Если ваши переменные имеют различный масштаб измерений
(
например
,
одна переменная
измерена в долларах
,
а вторая
-
в годах
),
то результаты могут быть некорректными
.
В
этой ситуации необходимо подумать о стандартизации ваших переменных до выполнения
кластерного анализа методом
k
-
средних
(
это можно сделать при помощи процедуры
Описательные статистики
).
Предполагается
,
что выбрано подходящее число кластеров
,
а в
анализ включены все существенные переменные
.
Если Вы неправильно выбрали число
кластеров или не включили важные переменные
,
то полученные результаты также могут
ввести Вас в заблуждение
.
Как запустить Кластерный анализ методом k-средних
E
Выберите в меню
:
Анализ > Классификация > Кластеризация К-средними...
Рисунок 26-1
Диалоговое окно Кластерный анализ методом K средних
E
Выберите переменные для использования в кластерном анализе
.
E
Задайте число кластеров
. (
Оно должно быть не меньше двух и не больше числа наблюдений
в файле данных
.)
E
Выберите либо метод
Итерации и классификация
,
либо метод
Только классификация
.
208
Глава 26
E
Дополнительно можно выбрать идентификационную переменную
,
чтобы метить
наблюдения
.
Эффективность кластерного анализа методом k-средних
Алгоритм
k
-
средних эффективен прежде всего потому
,
что он не нуждается в вычислении
всех попарных расстояний между наблюдениями
,
в отличие от большинства других
алгоритмов кластеризации
,
включая тот
,
что используется в процедуре иерархического
кластерного анализа
.
Для достижения максимальной эффективности возьмите выборку из наблюдений
и используйте метод
Итерации и классификация
,
чтобы определить центры кластеров
.
Выберите
Записать окончательные в
.
Затем вернитесь к полному файлу данных и выберите
Только классификация
в качестве метода и выберите
Прочитать начальные из
,
чтобы
классифицировать весь файл с использованием центров
,
оцененных по выборке
.
Вы можете
записывать в файл или набор данных
,
а также считывать из них
.
Наборы данных доступны
для последующего использования в том же сеансе но не сохраняются как файлы до тех пор
,
пока они не будут сохранены явно до окончания текущего сеанса
.
Имена наборов данных
должны удовлетворять требованиям к именам переменных
.
Итерации в кластерном анализе методом k-средних
Рисунок 26-2
Диалоговое окно Кластерный анализ методом K средних: Итерации
Примечание
:
Эти параметры доступны
,
только если вы выберите метод
Итерации и
классификация
в диалоговом окне Кластерный анализ методом
K
средних
.
Максимум итераций.
Ограничивает число итераций для алгоритма
k
-
средних
.
Алгоритм
останавливается после заданного здесь числа итераций
,
даже если не выполняется критерий
сходимости
.
Это число должно быть от
1
до
999.
Если необходимо воспроизвести алгоритм
,
использовавшийся командой
QUICK CLUSTER
в старых версиях
(
до
5.0),
установите
Максимум итераций
равным
1
.
Критерий сходимости.
Задает условие прекращения итераций
.
Оно выражает долю
минимального расстояния между начальными центрами кластеров
,
поэтому должно быть
больше
0,
но не превышать
1.
Если значение критерия равно
,
например
, 0.02,
итерации
прекращаются
,
когда полная итерация не сдвигает ни один из центров кластеров на
расстояние
,
превышающее
2%
от наименьшего расстояния между центрами любых
начальных кластеров
.
209
Кластерный анализ методом K средних
Использовать скользящие средние.
Позволяет запросить обновление центров кластеров
после классификации очередного наблюдения
.
Если этот пункт не отмечен
,
новые центры
кластеров вычисляются после распределения по кластерам всех наблюдений
.
Сохранение новых переменных в кластерном анализе
методом k-средних
Рисунок 26-3
Диалоговое окно Кластерный анализ методом K средних: Сохранить новые переменные
Вы можете сохранить следующую информацию о решении в виде новых переменных
для использования в последующем анализе
:
Принадлежность к кластеру.
Создается новая переменная
,
показывающая окончательную
принадлежность каждого наблюдения к кластеру
.
Значения этой новой переменной могут
меняться от
1
до числа кластеров
.
Расстояние от центра кластера.
Создается новая переменная
,
показывающая евклидово
расстояние между каждым наблюдением и центром кластера
,
куда оно было отнесено
.
Параметры процедуры Кластерный анализ методом
К-средних
Рисунок 26-4
Диалоговое окно Кластерный анализ методом K средних: Параметры
Статистики.
Вы можете выбрать следующие статистики
:
начальные центры кластеров
,
таблица дисперсионного анализа
,
а также информация о принадлежности к кластерам
для каждого наблюдения
.
210
Глава 26
Начальные центры кластеров.
Начальная оценка положения средних для каждого
кластера
.
По умолчанию
,
отбираются объекты
,
находящиеся на значительном
расстоянии друг от друга
,
причем столько
,
сколько задано кластеров
.
Начальные центры
кластеров используются на первом этапе грубой классификации
,
а затем обновляются
.
Таблица дисперсионного анализа.
Выводится таблица дисперсионного анализа
,
включающая одномерный
F-
критерий для каждой кластерной переменной
. F-
критерий
приводится для чисто ориентировочных целей
,
и выдаваемые вероятности не подлежат
интерпретации
.
Таблица не выдается
,
если все наблюдения попадают в один кластер
.
Конечный кластер для каждого наблюдения.
Для каждого наблюдения указывается
финальный кластер
,
к которому оно отнесено
,
и евклидово расстояние до центра
этого кластера
.
Выводится также евклидово расстояние между центрами финальных
кластеров
.
Пропущенные значения.
Возможными альтернативами являются
Исключать целиком
и
Исключать наблюдения попарно
.
Исключать целиком.
Наблюдения с пропущенными значениями в любой из кластерных
переменных исключаются из анализа
.
Исключать попарно.
Наблюдения относятся к кластерам на основании расстояний
,
вычисленных по всем переменным с непропущенными значениями
.
Команда QUICK CLUSTER: дополнительные возможности
Процедура Кластерный анализ методом
k-
средних использует синтаксис команды
QUICK
CLUSTER
.
Язык синтаксиса команд также позволяет
:
Использовать первые
k
наблюдений в качестве начальных центров кластеров
,
тем
самым избегая прохода по данным
,
обычно применяемого
,
чтобы их оценить
.
Задать начальные центры кластеров напрямую
,
как часть командного синтаксиса
.
Задавать имена сохраняемых переменных
.
Полную информацию о синтаксисе языка команд можно найти в
Руководстве по
синтаксису
.
Глава
27
Непараметрические критерии
Непараметрические критерии требуют минимальных предположений о распределении
данных
.
Критерии
,
доступные с помощью данных диалоговых окон
,
можно разделить на
три общие категории в зависимости от организации данных
:
Одновыборочный критерий анализирует единственное поле
.
Критерий для связанных выборок сравнивает два или большее число полей для одного
и того же набора наблюдений
.
Критерий для независимых выборок анализирует единственное поле
,
разбитое на
группы категориями другого поля
.
Одновыборочные непараметрические критерии
Процедура Одновыборочные непараметрические критерии выявляет различия в единичных
полях
,
используя один или несколько непараметрических критериев
.
Непараметрические
критерии не предполагают
,
что данные соответствуют нормальному распределению
.
Рисунок 27-1
Вкладка Одновыборочные непараметрические критерии: Цель
Какова Ваша цель?
Вкладка цели позволяет быстро задать параметры для решения
различных и в то же время наиболее типичных задач
.
Автоматически сравнить наблюденные данные с гипотетическими
Для этой цели к
категориальным полям
,
имеющим только две категории
,
применяется биномиальный
критерий
.
Ко всем остальным категориальным полям применяется критерий хи
-
квадрат
.
К непрерывным полям применяется критерий Колмогорова
-
Смирнова
.
© Copyright IBM Corporation 1989, 2011.
211