采用聚类分析时，如何确定聚类的数目？

关键词：spss 确定 聚类个数、确定聚类个数、聚类数目

采用聚类分析时，如何确定聚类的数目？这个聚类数目的确定有一定的方法吗？

确定聚类个数的方法：
相似系数：指变量或样本间的亲密程度（即阈值），相似系数较大的聚为一类。常用的有夹角余弦、相关系数、指数相似系数。
标尺值：0～25进行分类。
伪F统计量：应该取伪F统计量较大而类数较小的聚类水平。如下图所示，应该分为4类最合适。
统计量R2：应该取R2统计量较大的类数数目。
伪t2统计量：伪t2统计量大说明不应该合并这两类，应该取合并前的水平。
实际意义：根据你做得试验，必须有实际意义。比如我的水稻食味的，那一定是好吃、一般、不好吃。只能是三个类别。

聚类数目的真正确定在于你研究的问题是什么，以及你事先有无一个大致的判断标准。在你用spss运行完你的样品数据得出聚类谱系图后，你可以根据你所研究问题的需要来划分样品的类别，不同的方法，甚至相同方法（比如系统聚类）因为运用了不同的距离公式，都有可能得出不同的分类结论。无所谓哪种是最好的方法，关键是看哪种方法最后得出的结论能让你满意。另外，你不可能得出让你完全满意的结论，你在写报告时可以就那些不满意的地方作出解释，说明大概是因为什么原因（比如收集数据的误差、所选项目与所研究问题之间的联系不够密切等等），不要试图掩饰或置之不理。最后，要强调的一点是，如果你是第一次用spss做聚类，最好找一些现成的例子熟悉下基本操作，等把每一步骤的操作都弄熟悉后再去输入你的数据用spss运行。最好用不同方法都试试，而且每一种方法反复做几遍，这样可以避免因为操作失误而得到错误的结论。这是我上学期学多元统计学时的心得，可能不是很好，会让专家笑话，但是还是写出来，希望对刚学习的人有用。

最常见的聚类方法是系统聚类，其基本思想是：先将待聚类的n个样品（或者变量）各自看成一类，共有n类；然后按事先选定的方法计算每两类之间的聚类统计量，即某种距离（或者相似系数），将关系最密切的两类并为一类，其余不变，即得n－1类；再按前面的计算方法计算新类与其他类之间的距离（或者相似系数），再将关系最密切的两类并为一类，其余不变，即得n－2类；如此继续下去，每次重复都减少一类，直到最后所有样品（或变量）归为一类为止。

在用系统聚类法进行聚类的过程中，涉及到两个类之间的距离（或相似系数）问题。当每类含有两个以上的样品时，不同定义类与类之间距离的方法就产生了不同的系统聚类方法，它们包括：最短距离法、最长距离法、中间距离法、重心法、类平均法以及离差平方和法

转载请注明：数据分析 » 如何确定聚类的数目_如何确定聚类数目