多元统计分析-聚类分析

聚类分析是一个迭代的过程

对于n个p维数据，我们最开始将他们分为n组

每次迭代将距离最近的两组合并成一组

若给出需要聚成k类，则迭代到k类是，停止

 

计算初始情况的距离矩阵一般用马氏距离或欧式距离

个人认为考试只考 1,2

比较有用的方法是3,4,5,8 

最喜欢第8种

 

距离的计算

　　欧式距离

　　　　距离的二范数

　　马氏距离

　　　　对于X₁, X₂  均属于N(u, Σ) 

　　　　X₁,X₂的距离为   (X₁ - X₂) / sqrt(Σ)

 

那么不同的聚类方法其实也就是不同的计算类间距离的方法

1.最短距离法

　　计算两组间距离时，将两组间距离最短的元素作为两组间的距离

 

2.最长距离法

　　将两组间最长的距离作为两组间的距离

　　

3.中间距离法

　　将G_p,G_q合并成为G_r

　　计算G_r与G_k的距离时使用如下公式

　　D²_kr = 1/2 * D²_kp + 1/2 * D²kq + β * D²_pq

　　 β是提前给定的超参数-0.25<=β<=0

 

4.重心法

　　每一组都可以看成一组多为空间中点的集合，计算组间距离时，可使用这两组点的重心之间的距离作为类间距离

　　若使用的是欧氏距离

　　那么有如下计算公式

　　D²_kr = n_p/n_r * D²_kp + n_q/n_r * D²kq - (n_p*n_q / n_r*n_r ) * D²_pq

5.类平均法

　　两组之间的距离 = 组间每两个样本距离平方的平均值开根号

　　表达式为D²_kr = n_p/n_r * D²_kp + n_q/n_r * D²kq

 

6.可变类平均法

　　可以反映合并的两类的距离的影响

　　表达式为D²_kr = n_p/n_r * (1- β) * D²_kp + n_q/n_r *(1- β) * D²kq + β*D²_pq

　　0<=β<1

7.可变法

　　D²_kr =  (1- β)/2  * (D²_kp + D²_kq) + β*D²_pq

8.离差平方和法

　　这个方法比较实用

　　就是计算两类距离的话，就计算，如果将他们两类合在一起之后的离差平方和

　　因为若两类本身就是一类，和本身不是一类，他们的离差平方和相差较大

　　离差平方和:类中每个元素与这一类中的均值距离的平方之和

 

　　若统一成之前的公式就是

　　D²_kr = (n_k + n_p)/(n_r + n_k)  * D²_kp + (n_k + n_q)/(n_r + n_k)   -(n_k)/(n_r + n_k) *  * D²_pq

 

 

一些性质

　　除了中间距离法之外，其他的所有聚类方法都具有单调性

　　单调性就是指 每次聚类搞掉的距离递增

 

　　空间的浓缩和扩张

　　D(A)>=D(B) 表示A矩阵中的每个元素都不小于B

　　 D(短) <= D(平) <= D(长)

　　D(短，平) <= 0  

　　D(长，平) >= 0

　　中间距离法无法判断