《判别分析与聚类分析》由会员分享，可在线阅读，更多相关《判别分析与聚类分析（22页珍藏版）》请在金锄头文库上搜索。
1、判别分析与聚类分析上机内容一、判别1、典型判别P1725.4建立数据：名称类型宽度 小数标签值缺失列对齐度量标准1s80序号无无8手右(R)#度量2si数值(N)8U组别无无8手右g度量(S)3x1叛值81砂基液化数据无无8音右侃)會度量(S)4x2数值(N)80砂基液化数据无无8手右(R)倉度量5x3数值(N)81砂基液化数据无无8音右度量但)6x4数值(N)81砂基液化数据无无8臺右侃)會度量(S)7x5数1f(N)80砂基液化数据无无8手右(R)g度量8x6Sfefi(N)82砂基液化数据无无8手右渗度量9x7数值(N)8U砂基液化数据无无8臺右侃)畲度量(S)单击“统计量”，分别单击选
2、中复选框：均值、Boxs M、组内协方差、分组协方差、Fshers、 未标准化，单击继续 单击“分类”，选择以下两个复选框：所有组相等、分组、个案结果、摘要表、合并组、区 域图，单击继续结果：判别数据集 1 C:Documents and SettingssamsungMy DocumentsU 别.sav分析 1 协方差矩阵的均等性的箱式检验对数行列式组别秩对数行列式177.0062712.691汇聚的组内713.261打印的行列式的秩和自然对数是组协 方差矩阵的秩和自然对数。检验结果箱的M81.345F近似。2.102df128df21793.250Sig.001对相等总体协方差矩阵的零
3、假设进行检验。从检验结果表格给出的 Boxs M 检验的结果看 Sig 远远小于 0.01，否定各类协方差矩阵相等 的零假设，建议使用分组协方差矩阵分析典型判别式函数摘要特征值函数特征值方差的%累积%正则相关性11.757a100.0100.0.798a.分析中使用了前1个典型判别式函数。Wilks 的 Lambda函数检 验Wilks 的Lambda卡方dfSig.1.36329.9187.000上面的表说明了判别函数系数所对应的特征值是 1.757,100%说明了两分类的差异，显然其检验结果是显著区分两组的。标准化的典型判别式函数系数函数1砂基液化数据-.141砂基液化数据.001砂基液化
4、数据.294砂基液化数据-.327砂基液化数据-1.115砂基液化数据.690砂基液化数据1.003上表列出了标准化判别函数的系数，可以得到标准化判别函数为：y = 0.141x * + O.OOIx * + 0.294x * -0.327x * - 1.115x * + 0.690x * + 1.003x *1234567典型判别式函数系数函数1砂基液化数据-.175砂基液化数据.000砂基液化数据.207砂基液化数据-.205砂基液化数据-.194砂基液化数据8.395砂基液化数据.019(常量).993非标准化系数 上表列出了非标准化判别函数的系数，从而可以得到非标准化判别函数为：y =
5、 -0.1 7 X + 0.0x + 0.2 0 X - 0.2 0 5 - 0.1 9 4 + 8.3 9 X + 0.0 1 9 + 0.9 9 31234567把原始数据代入上式就可以得到案例的判别函数得分，根据得分和下表确定的临界值就可以 判别了。类中心值如下表：组质心处的函数在组均值处评估的非标准化典型判别式函数根据加权就可以求的临界值：(-1.782x 12 + 0.930x 23)/35 = 0，因此判别规则就是：y0时属于一类， y0 时属于二类， y=0 时待判。典型判别式函数的组协方 差组别函数1111.5292 1.736典型判别式函数的汇聚组 内协方差矩阵是定义的单 位
6、矩阵。典型判别式函数的协方差矩阵均等性的箱式检验对数行列式组别秩对数行列式11.42421-.307（单位矩阵）1.000打印的行列式的秩和自然对数是典型 判别式函数的组协方差矩阵的秩和自 然对数。检验结果箱的M2.086F近似。2.015dfl1df22400.245Sig.156对典型判别式函数的相等总 体协方差矩阵的零假设进行 检验。分类统计量分类函数系数组别12砂基液化数据30.35129.877砂基液化数据-.152-.152砂基液化数据-.789-.227砂基液化数据1.9521.395砂基液化数据.590.065砂基液化数据-108.102-85.337砂基液化数据-.312-.
7、260-99.541-95.693Fisher的线性判别式函数单独组图表典则刿别函数1组别=1均值=_1.78 插准-236N=12地则刿别函数4组别=2均值=0.93标准偏差.=0.858N=23预测组成员组别12合计初始计数 111112222123% 191.78.3100.028.791.3100.0a.已对初始分组案例中的91.4%个进行了正确分类。般回带中，对上表给出了案例回带判别正确错误情况和交互验证的判别正确错误情况，在于一类判断正确11个，误判1 个，正确率91.67%，二类判断正确22 个，错误1 个，正确 率为 95.65%，总判断正确率94.3%；在交互验证中，一类结论
8、相同，二类判断正确20 个， 错误 3 个，正确率 86.96%，总正确来了 88.6%。总的来说，判别模型的正确率高，模型有 很好的区分度。2、Bayes 判别组均值的均等性的检验Wilks 的LambdaFdf1df2Sig.砂基液化数据.9621.304133.262砂基液化数据.998.078133.781砂基液化数据.9611.346133.254砂基液化数据.9481.795133.189砂基液化数据.63718.826133.000砂基液化数据.9362.256133.143砂基液化数据.9631.251133.271组的先验概率组别先验用于分析的案例未加权的已加权的1.3431
9、212.0002.6572323.000合计1.0003535.000图 11 从上表可以看出先验概率是有电脑给出的，第一类的先验概率是0.343，而第二类的先验概 率是 0.657。分类函数系数组别12砂基液化数据30.35129.877砂基液化数据-.152-.152砂基液化数据-.789-.227砂基液化数据1.9521.395砂基液化数据.590.065砂基液化数据-108.102-85.337砂基液化数据-.312-.260（常量）-99.918-95.420分类函数系数组别12砂基液化数据30.35129.877砂基液化数据-.152-.152砂基液化数据-.789-.227砂基液
10、化数据1.9521.395砂基液化数据.590.065砂基液化数据-108.102-85.337砂基液化数据-.312-.260（常量）-99.918-95.420Fisher的线性判别式函数图 12上表列出了两个类别的Bayes判别函数的值，根据判别函数结果来看，第一类判别函数：f (x)二 30.351x - 0.152x - 0.789x +1.952x + 0.590x -108.102x - 0.312x - 99.9181 1234567第二类判别函数：f (x)二 29.877x - 0.152x - 0.227x + 1.395x + 0.065x - 85.337x - 0.
11、260x - 95.4202 1234567分类结果组别预测组成员合计12初始计数111112212223%191.7&3100.024.395.7100.0父叉验证a计数18412222123%166.733.3100.02&791.3100.0a. 仅对分析中的案例进行交叉验证。在交叉验证中，每个案 例都是按照从该案例以外的所有其他案例派生的函数来分类 的。b. 已对初始分组案例中的94.3%个进行了正确分类。c. 已对交叉验证分组案例中的82.9%个进行了正确分类。上表给出了案例回代判别正确错误的情况和交互判别正确错误情况，在回代中，对第一类判 断正确11个，误判1个，正确率是91.67
12、%；第二类判断正确22个，误判1个，正确率是95.65%， 此时总正确率是94.3%。交互验证中，第一类正确判断8个，误判4个，正确率66.67%；第二 类判断对21个，误判2个，正确率91.30%，总的正确率为82.9%。总的来说，模型有很好的 区分度。1利用快速聚类法对样品聚类尝试不同的类数和不同初始聚点的情形下的快速聚类习题 6.3yiu11过程：依次亡率(x2)”“聚类成员”类信nZ1152302E01B34723422105IBe吕121374719日12129JG10101710113015击菜单“分析T分类TK-均值聚类.”分别将“人口出生率仗1)”、“死 选入变量框，单击迭代，保留默认设置，单击继续；单击“保存”，单击选中 复选框，单击继续；单击“选项”，分别单击选中“初始聚类中心”、“每个 息、”复选框；单击继续，最后确定 :聚类2U1961 11212jy1113人口出牛率52104 b死亡率301214
