第五章 聚类分析
5.1 判别分析和聚类分析有何区别？
答：即根据一定的判别准则，判定一个样本归属于哪一类。具体而言，设有n 个样本，对每个样本测得p 项指标（变量）的数据，已知每个样本属于k 个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。聚类分析是分析如何对样品（或变量）进行量化分类的问题。在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。
5.2 试述系统聚类的基本思想。
答：系统聚类的基本思想是：距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。
5.3 对样品和变量进行聚类分析时， 所构造的统计量分别是什么？简要说明为什么这样构造？
答：对样品进行聚类分析时，用距离来测定样品之间的相似程度。因为我们把n 个样本看作p 维空间的n 个点。点之间的距离即可代表样品间的相似度。常用的距离为 （一）闵可夫斯基距离：1/1
()()
p
q q
ij ik jk k d q X X ==-∑
q 取不同值，分为 （1）绝对距离（1q =）
1
(1)p
ij ik jk k d X X ==-∑
（2）欧氏距离（2q =）
21/2
1
(2)()
p
ij ik jk k d X X ==-∑
（3）切比雪夫距离（q =∞）
1()max ij ik jk
k p
d X X ≤≤∞=-
（二）马氏距离
（三）兰氏距离
对变量的相似性，我们更多地要了解变量的变化趋势或变化方向，因此用相关性进行衡量。
将变量看作p 维空间的向量，一般用 （一）夹角余弦
（二）相关系数
5.4 在进行系统聚类时，不同类间距离计算方法有何区别？选择距离公式应遵循哪些原则？
答： 设d ij 表示样品X i 与X j 之间距离，用D ij 表示类G i 与G j 之间的距离。 （1）. 最短距离法
,min
i k j r
kr ij X G X G D d ∈∈=
min{,}kp kq D D =
（2）最长距离法
,max
i p j q
pq ij X G X G D d ∈∈=
,max
i k j r
kr ij X G X G D d ∈∈=
max{,}kp kq D D =
（3）中间距离法
其中
（4）重心法
2()()pq p q p q D X X X X '=--
)(1
q q p p r
r X n X n n X +=
22222
p q p q kr
kp
kq
pq r
r
r n n n n D D D D n n n =
+
-
（5）类平均法
221
i p j j
pq ij
X G X G p q
D d n n ∈∈=
∑∑
221
i k j r
kr ij
X G X G k r
D d n n ∈∈=
∑∑
2
2
p q kp kq
r
r
n n D D n n =+
（6）可变类平均法
其中是可变的且 <1
（7）可变法
2222
1()2
kr kp kq pq D D D D ββ-=
++ 其中是可变的且 <1 （8）离差平方和法
1
()()t
n t it t it t t S X X X X ='=--∑
2222
k p k q k kr
kp
kq pq r k
r k
r k
n n n n n D D D D n n n n n n ++=
+
-
+++
通常选择距离公式应注意遵循以下的基本原则：
（1）要考虑所选择的距离公式在实际应用中有明确的意义。如欧氏距离就有非常明确的空间距离概念。马氏距离有消除量纲影响的作用。
（2）要综合考虑对样本观测数据的预处理和将要采用的聚类分析方法。如在进行聚类分析之前已经对变量作了标准化处理，则通常就可采用欧氏距离。
（3）要考虑研究对象的特点和计算量的大小。样品间距离公式的选择是一个比较复杂且带有一定主观性的问题，我们应根据研究对象的特点不同做出具体分折。实际中，聚类分析前不妨试探性地多选择几个距离公式分别进行聚类，然后对聚类分析的结果进行对比分析，以确定最合适的距离测度方法。
5.5试述K 均值法与系统聚类法的异同。
答：相同：K —均值法和系统聚类法一样，都是以距离的远近亲疏为标准进行聚类的。
不同：系统聚类对不同的类数产生一系列的聚类结果，而K —均值法只能产生指定类数的聚类结果。
具体类数的确定，离不开实践经验的积累；有时也可以借助系统聚类法以一部分样品为
2222
(1)()p q
kr kp kq pq
r r
n n D D D D n n ββ=-+
+
