聚類分析通常選擇以下哪些因素作為分類依據

1樓：網友

聚類的幾種方法：

一、直接聚類法。

先把各個分類物件單獨視為一類，然後根據距離最小的原則，依次選出一對分類物件，併成新類。如果其中乙個分類物件已歸於一類，則把另乙個也歸入該類；如果一對分類物件正好屬於已歸的兩類，則把這兩類併為一類。

每一次歸併，都劃去該物件所在的列與列序相同的行。經過m-1次就可以把全部分類物件歸為一類，這樣就可以根據歸併的先後順序作出聚類譜系圖。

二、最短距離聚類法。

最短距離聚類法，是在原來的m×m距離矩陣的非對角元素中找出，把分類物件gp和gq歸併為一新類gr，然後按計算公式計算原來各類與新類之間的距離，這樣就得到乙個新的（m－1）階的距離矩陣；

再從新的距離矩陣中選出最小者dij，把gi和gj歸併成新類；再計算各類與新類的距離，這樣一直下去，直至各分類物件被歸為一類為止。

三、最遠距離聚類法。

最遠距離聚類法與最短距離聚類法的區別在於計算原來的類與新類距離時採用的公式不同。最遠距離聚類法所用的是最遠距離來衡量樣本之間的距離。

什麼是聚類分析，它有什麼作用呢？

2樓：網友

1、與多元分析的其他方法相比，聚類分析。

是很粗糙的，理論尚不完善，但由於它成功地應用於心理、經濟、社會、管理、醫學、地質、生態、**、氣象、考古、企業決策等，因此成了多元分析的重要方法，統計包中都有豐富的軟體，對資料進行聚類處理。

2、聚類分析除了獨立的統計功能外，還有乙個輔助功能，就是和其他統計方法配合，對資料進行預處理。

例如，當總體不清楚時，可對原始資料進行聚類，根據聚類後相似的資料，各自建立迴歸分析。

分析的效果會更好。同時如果聚類不是根據個案，而是對變數先進行聚類，聚類的結果，可以在每一類推出乙個最有代表性的變數，從而減少了進入迴歸方程。

的變數數。3、聚類分析是研究按一定特徵，對研究物件進行分類的多鬧拆元統計方法，它並不關心特徵及變數間的因果關係。

分類的結果，應使類別間個體差異大，而同類的個體差異相對要小。

聚類分析方法具體有哪些應用？可不可以舉個例子？

3樓：網友

比如說現在要把n個產品按產品的m個指標繼續聚類，因為產品可能之前的特色是不一樣的。而這個時候影響產品的因素有m個，不可能乙個乙個的考慮，那樣是分不出類來的。所以只能對產品的m個指標綜合考慮，採用spss中的樣本聚類方法，就可以直接將產品分好類。

並且從分析結果還可以看出各類產品的特色分別是什麼。。就是最主要的分類標準是什麼。

聚類分析不僅可以用於樣本聚類，還可以用於變數聚類，就是對m個指標進行聚類。因為有時指標太多，不能全部考慮，需要提取出主要因素，而往往指標之間又有很多相關聯的地方，所以可以先對變數聚類，然後從每一類中選取出乙個代表型的指標。這樣就大大減少了指標，並且沒有造成巨大的資訊丟失。

為什麼要進行聚類分析

4樓：網友

現實中得到的資料是沒有分類的，為了給他們分個類就有了聚類分析。

5樓：匿名使用者

聚類分析是研究「物以類聚」的一種科學有效的方法，由實驗測試得到的資料是原始資料，原始資料是沒有進行分類的、無規律的、錯綜複雜的變數，要使得這些資料能夠反映出一定的規律性或特殊的分類性，需要對資料或變數進行聚類分析，以使資料或變數呈現一定的分門別類的特徵。

聚類分析的一般做法是：先確定聚類統計量，然後利用統計量對樣品或者變數進行聚類，對n個樣品進行聚類的方法稱為q型聚類，常用的統計量稱為「距離」；對m個變數進行聚類的方法稱為r型聚類，常用個統計量稱為「相似係數」。