python层次聚类分析_SPSS聚类分析：系统聚类分析[通俗易懂]

一、概念：(分析-分类-系统聚类)

系统聚类法常称为层次聚类法、分层聚类法，也是聚类分析中使用广泛的一种方法。它有两种类型，一是对研究对象本身进

行分类，称为Q型聚类；另一是对研究对象的观察指标进行分类，称为R型聚类。同时根据聚类过程不同，又分为分解法和凝聚法。

二、聚类方法(分析-分类-系统聚类-方法)

1、聚类方法。可用的选项有组间联接、组内联接、最近邻元素、最远邻元素、质心聚类法、中位数聚类法和Ward法。◎Between-groups

linkage：组间平均距离法。系统默认选项。合并两

类的结果使所有的两类的平均距离最小。◎Within-groups

linkage：组内平均距离法。当两类合并为一类后，

合并后的类中的所有项之间的平均距离最小。◎Nearest

neighbor：最近距离法。采用两类间最近点间的距离代表两 类间的距离。◎Furthest

Neighbor：最远距离法。用两类之间最远点的距离代表两 类之间的距离。◎Centroid

clustering：重心法。定义类与类之间的距离为两类中各 样品的重心之间的距离。◎Median

clustering：中位数法。定义类与类之间的距离为两类中各

样品的中位数之间的距离。◎Ward’s method：最小离差平方和法。聚类中使类内各样品的离差平

方和最小，类间的离差平方和尽可能大。

2、度量。允许您指定聚类中使用的距离或相似性测量。选择数据类型以及合适的距离或相似性测量：◎Euclidean

distance：欧氏距离。◎Squared Euclidean

distance：欧氏距离平方。两项之间的距离是每个变量值之差的平方和。系统默认项。◎Cosline：余弦相似性测度，计算两个向量间夹角的余弦。◎Pearson

conelation：皮尔逊相关系数。它是线性关系的测度，范围是-1～

1。◎Chebychev：切比雪夫距离。◎Block：曼哈顿(Manhattan)距离，两项之间的距离是每个变量值之差的绝对值总和。◎Minkowski：闵科夫斯基距离。◎Customized：自定义距离。

2.1、区间。可用的选项有Euclidean距离、平方Euclidean距离、余弦、Pearson相关性、Chebychev、块、Minkowski及定制。

2.2、计数。可用的选项有卡方测量和phi平方测量。

2.3、二分类。可用的选项有Euclidean距离、平方Euclidean距离、尺度差分、模式差分、方差、离差、形状、简单匹配、Phi

4点相关性、lambda、Anderberg的D、骰子、Hamann、Jaccard、Kulczynski 1、Kulczynski

2、Lance和Williams、Ochiai、Rogers和Tanimoto、Russel和Rao、Sokal和Sneath

1、Sokal和Sneath 2、Sokal和Sneath 3、Sokal和Sneath 4、Sokal和Sneath

5、Yule的Y以及Yule的Q。

3、转换值。允许您在计算近似值之前为个案或值进行数据值标准化(对二分类数据不可用)。可用的标准化方法有z得分、范围1至1、范围0至1、1的最大量级、1的均值和使标准差为1。

4、转换度量。允许您转换距离测量所生成的值。在计算了距离测量之后应用这些转换。可用的选项有绝对值、更改符号和重新调整到0–1范围。

三、统计量(分析-分类-系统聚类-统计量)

1、合并进程表。显示在每个阶段合并的个案或聚类、所合并的个案或聚类之间的距离以及个案(或变量)与聚类相联结时所在的最后一个聚类级别。

2、相似性矩阵。给出各项之间的距离或相似性。

3、聚类成员。显示在合并聚类的一个或多个阶段中，每个个案被分配所属的聚类。可用的选项有单个解和一定范围的解。