用matlab做聚类分析

用matlab做聚类分析转载一：MATLAB提供了两种方法进行聚类分析：1、利用clusterdata函数对数据样本进行一次聚类，这个方法简洁方便，其特点是使用范围较窄，不能由用户根据自身需要来设定参数，更改距离计算方法；2、分步聚类：（1）用pdist函数计算变量之间的距离，找到数据集合中两辆变量之间的相似性和非相似性；（2）用linkage函数定义变量之间的连接；（3）用cophenetic函数评价聚类信息；（4）用cluster函数进行聚类。下边详细介绍两种方法:1、一次聚类Clusterdata函数可以视为pdist、linkage与cluster的综合，一般比较简单。【clusterdata函数：调用格式：T=clusterdata(X,cutoff)等价于Y=pdist(X,’euclid’);Z=linkage(Y,’single’);T=cluster(Z,cutoff)】2、分步聚类（1）求出变量之间的相似性用pdist函数计算出相似矩阵，有多种方法可以求距离，若此前数据还未无量纲化，则可用zscore函数对其标准化【pdist函数：调用格式：Y=pdist(X,’metric’)说明：X是M*N矩阵，为由M个样本组成，每个样本有N个字段的数据集metirc取值为：’euclidean’：欧氏距离（默认）‘seuclidean’：标准化欧氏距离;‘mahalanobis’：马氏距离…】pdist生成一个M*(M-1)/2个元素的行向量，分别表示M个样本两两间的距离。这样可以缩小保存空间，不过，对于读者来说却是不好操作，因此，若想简单直观的表示，可以用squareform函数将其转化为方阵，其中x(i,j)表示第i个样本与第j个样本之的距离，对角线均为0.（2）用linkage函数来产生聚类树【linkage函数：调用格式：Z=linkage(Y,’method’)说明：Y为pdist函数返回的M*(M-1)/2个元素的行向量，method可取值：‘single’：最短距离法（默认）；’complete’：最长距离法；‘average’：未加权平均距离法；’weighted’:加权平均法‘centroid’：质心距离法；‘median’：加权质心距离法；‘ward’：内平方距离法（最小方差算法）】返回的Z为一个(M-1)*3的矩阵，其中前两列为索引标识，表示哪两个序号的样本可以聚为同一类，第三列为这两个样本之间的距离。另外，除了M个样本以外，对于每次新产生的类，依次用M+1、M+2、…来标识。为了表示Z矩阵，我们可以用更直观的聚类数来展示，方法为：dendrogram(Z),产生的聚类数是一个n型树，最下边表示样本，然后一级一级往上聚类，最终成为最顶端的一类。纵轴高度代表距离列。另外，还可以设置聚类数最下端的样本数，默认为30，可以根据修改dendrogram(Z,n)参数n来实现，1nM。dendrogram(Z,0)则表n=M的情况，显示所有叶节点。（3）用cophenetic函数评价聚类信息【cophenet函数:调用格式：c=cophenetic(Z,Y)说明：利用pdist函数生成的Y和linkage函数生成的Z计算cophenet相关系数。】cophene检验一定算法下产生的二叉聚类树和实际情况的相符程度,就是检测二叉聚类树中各元素间的距离和pdist计算产生的实际的距离之间有多大的相关性，另外也可以用inconsistent表示量化某个层次的聚类上的节点间的差异性。（4）最后，用cluster进行聚类，返回聚类列。转载二：Matlab提供了两种方法进行聚类分析。一种是利用clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法；另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用linkage函数定义变量之间的连接；（3）用cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。1．Matlab中相关函数介绍1.1pdist函数调用格式：Y=pdist(X,’metric’)说明：用‘metric’指定的方法计算X数据矩阵中对象之间的距离。’X：一个m×n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n。metric’取值如下：‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离；‘mahalanobis’：马氏距离；‘cityblock’：布洛克距离；‘minkowski’：明可夫斯基距离；‘cosine’：‘correlation’：‘hamming’：‘jaccard’：‘chebychev’：Chebychev距离。1.2squareform函数调用格式：Z=squareform(Y,..)说明：强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。1.3linkage函数调用格式：Z=linkage(Y,’method’)说明：用‘method’参数指定的算法计算系统聚类树。Y：pdist函数返回的距离向量；method：可取值如下：‘single’：最短距离法（默认）；‘complete’：最长距离法；‘average’：未加权平均距离法；‘weighted’：加权平均法；‘centroid’：质心距离法；‘median’：加权质心距离法；‘ward’：内平方距离法（最小方差算法）返回：Z为一个包含聚类树信息的（m-1）×3的矩阵。1.4dendrogram函数调用格式：[H，T，…]=dendrogram(Z,p，…)说明：生成只有顶部p个节点的冰柱图（谱系图）。1.5cophenet函数调用格式：c=cophenetic(Z,Y)说明：利用pdist函数生成的Y和linkage函数生成的Z计算cophenet相关系数。1.6cluster函数调用格式：T=cluster(Z,…)说明：根据linkage函数的输出Z创建分类。1.7clusterdata函数调用格式：T=clusterdata(X,…)说明：根据数据创建分类。T=clusterdata(X,cutoff)与下面的一组命令等价：Y=pdist(X,’euclid’);Z=linkage(Y,’single’);T=cluster(Z,cutoff);2.Matlab程序2.1一次聚类法X=[1197812.593.531908;…;5750067.6238.015900];T=clusterdata(X,0.9)2.2分步聚类Step1寻找变量之间的相似性用pdist函数计算相似矩阵，有多种方法可以计算距离，进行计算之前最好先将数据用zscore函数进行标准化。X2=zscore(X);%标准化数据Y2=pdist(X2);%计算距离Step2定义变量之间的连接Z2=linkage(Y2);Step3评价聚类信息C2=cophenet(Z2,Y2);//0.94698Step4创建聚类，并作出谱系图T=cluster(Z2,6);H=dendrogram(Z2);分类结果：{加拿大}，{中国，美国，澳大利亚}，{日本，印尼}，{巴西}，{前苏联}剩余的为一类。引自：