應(yīng)用多元分析之聚類分析

1、用聚類分析探究現(xiàn)實(shí)中的物以類聚人以群分研究目的：用聚類分析的方法，嘗試對(duì)現(xiàn)實(shí)中的人群進(jìn)行分類，然后與現(xiàn)實(shí)中已存在的小團(tuán)隊(duì)相比較，探究此方法用于人群分類的可行性研究意義：因?yàn)榇舜蔚臄?shù)據(jù)只來(lái)自本班的同學(xué)，樣本小，代表性差，更多的只是滿足一下自己的好奇心，并沒(méi)有太大的意義。自己只是想試試看能不能成功分類，并借此方法驗(yàn)證一下的自己想法，要是能成功，就權(quán)當(dāng)給大家作為一個(gè)交友參考研究步驟：首先，選取本班同學(xué)作為樣本，一是收集數(shù)據(jù)方便，二是因?yàn)檫@樣更容易得知自己結(jié)果的可靠性如何然后給與每個(gè)同學(xué)附以各項(xiàng)屬性值，由于是學(xué)生，成績(jī)將被列為第一屬性，其次再加入性別、身高體重等指標(biāo)值。出于簡(jiǎn)單考慮，暫且各項(xiàng)屬性指標(biāo)的

2、權(quán)重相同 在此次模型中，為什么要加入成績(jī)呢，因?yàn)橐话阍谝黄鹜嫠５男』锇槌煽?jī)都不會(huì)相差太遠(yuǎn)，但實(shí)際情況中，對(duì)于成績(jī)很好與成績(jī)很差的同學(xué)這個(gè)規(guī)律就不太適用，所以這也是模型的不合理之處，雖然將數(shù)據(jù)做了標(biāo)準(zhǔn)化的處理，但從分析出的結(jié)果來(lái)看，成績(jī)很好的更多的是被歸為一類，但這個(gè)與我們現(xiàn)實(shí)情況并不相符。其次，我為什么加入體側(cè)的成績(jī)，因?yàn)轶w側(cè)的成績(jī)可以反映一個(gè)人的身體素質(zhì)與熱愛運(yùn)動(dòng)的程度，一般喜歡運(yùn)動(dòng)的會(huì)與喜歡運(yùn)動(dòng)的一起，不喜歡運(yùn)動(dòng)的一般更多會(huì)選擇同樣不喜歡運(yùn)動(dòng)的作伴，但是這個(gè)體側(cè)數(shù)據(jù)體現(xiàn)更多的是反映體能的數(shù)據(jù)而非興趣愛好，所以這是數(shù)據(jù)本身的不合理之處，但由于沒(méi)有更好的數(shù)據(jù)，所以求其次，因此反映到結(jié)果上當(dāng)然也

3、是次的。 至于為什么想加入身高體重，則完全是個(gè)人猜想，畢竟有個(gè)形象理論嘛，就是人們?cè)谏缃恢袝?huì)更傾向與自己形態(tài)相似的人，所以加進(jìn)去只是想看看有沒(méi)有改善結(jié)果，事實(shí)證明，結(jié)果并沒(méi)有太大的改善，至于原因還有待研究 由上圖四個(gè)表得知，最長(zhǎng)距離法與類平均法分類的準(zhǔn)確度相對(duì)較高。但由于只有原數(shù)據(jù)只有數(shù)值型指標(biāo)（除性別屬性外），并且那八個(gè)數(shù)值型指標(biāo)中有些指標(biāo)相互之間有很強(qiáng)的相關(guān)性。所以結(jié)果并不盡人意。而且從上訴四種方法中分類較好的類平均法，其準(zhǔn)確度為 嚴(yán)格準(zhǔn)確度=與現(xiàn)實(shí)一致的類的個(gè)數(shù)/分類總個(gè)數(shù)=4/15 非嚴(yán)格準(zhǔn)確度=包含現(xiàn)實(shí)小團(tuán)體的類的個(gè)數(shù)/分類總個(gè)數(shù)=9/15 從結(jié)果上看，此次的模型是失敗的，因?yàn)槠渲杏?/p>

4、很多不足甚至不合理之處，粗糙度過(guò)高，但因此后續(xù)的改進(jìn)方向有1、 加入用戶行為數(shù)據(jù)指標(biāo)與性格屬性指標(biāo)（當(dāng)數(shù)值型指標(biāo)與非數(shù)值型指標(biāo)混在一起時(shí)，我也不知怎么處理）2、 采用主成分分析，找出貢獻(xiàn)率最大的指標(biāo)3、 給予各指標(biāo)不同權(quán)重（只學(xué)過(guò)回歸的加權(quán)，想這種分類的加權(quán)還真不知道怎么做，所以還有待研究）程序：install.packages("plyr")library（plyr）rm(list=ls()y=read.csv(file="dada.csv",header=T)fix(y)attach(y)dim(y)s(y)=y,1y=y,-1d=d

5、ist(scale(y) hc1=hclust(d) opar=par(mfrow=c(1,1), mar=c(4,2,2,0.01) plclust(hc1, hang = -1,main = "表1-1 最短距離法")rect.hclust(hc1, k=15, border="blue") hc2=hclust(d,"average") #類平均法opar=par(mfrow=c(1,1), mar=c(4,2,2,0.1) plclust(hc2,hang=-1,main = "表1-2 類平均法") re

6、ct.hclust(hc2, k=15, border="red") hc3=hclust(d,"centroid") #重心法opar=par(mfrow=c(1,1), mar=c(4,2,2,0.1) plclust(hc3,hang=-1,main = "表1-3 重心法")rect.hclust(hc3,k=15,border="yellow")hc4=hclust(d,"ward") #ward法opar=par(mfrow=c(1,1), mar=c(4,2,2,0.1) plclust(hc4,hang=-1,main = "表1-4 ward法")rect.hclust(hc4,k=10,border="green")dist.e=dist(y,method='euclidean')heatmap(as.matri