Matlab提供了兩種方法進行聚類分析。

一種是利用?clusterdata函數對樣本數據進行一次聚類，其缺點為可供用戶選擇的面較窄，不能更改距離的計算方法；

另一種是分步聚類：（1）找到數據集合中變量兩兩之間的相似性和非相似性，用pdist函數計算變量之間的距離；（2）用?linkage函數定義變量之間的連接；（3）用?cophenetic函數評價聚類信息；（4）用cluster函數創建聚類。

1．Matlab中相關函數介紹

1.1??pdist函數

調用格式：Y=pdist(X,’metric’)

說明：用?‘metric’指定的方法計算?X?數據矩陣中對象之間的距離。’

X：一個m×n的矩陣，它是由m個對象組成的數據集，每個對象的大小為n。

metric’取值如下：

‘euclidean’：歐氏距離（默認）；‘seuclidean’：標準化歐氏距離；

‘mahalanobis’：馬氏距離；‘cityblock’：布洛克距離；

‘minkowski’：明可夫斯基距離；‘cosine’：

‘correlation’：????????????????‘hamming’：

‘jaccard’：???????????????????‘chebychev’：Chebychev距離。

1.2??squareform函數

?????調用格式：Z=squareform(Y,..)

?????說明：??強制將距離矩陣從上三角形式轉化為方陣形式，或從方陣形式轉化為上三角形式。

1.3??linkage函數

調用格式：Z=linkage(Y,’method’)

說????明：用‘method’參數指定的算法計算系統聚類樹。

???Y：pdist函數返回的距離向量；

???method：可取值如下：

??‘single’：最短距離法（默認）；??‘complete’：最長距離法；

‘average’：未加權平均距離法；??‘weighted’： 加權平均法；

‘centroid’： 質心距離法；??????‘median’：加權質心距離法；

‘ward’：內平方距離法（最小方差算法）

返回：Z為一個包含聚類樹信息的（m-1）×3的矩陣。

1.4??dendrogram函數

調用格式：[H，T，…]=dendrogram(Z,p，…)

說明：生成只有頂部p個節點的冰柱圖（譜系圖）。

1.5??cophenet函數

調用格式：c=cophenetic(Z,Y)

說明：利用pdist函數生成的Y和linkage函數生成的Z計算cophenet相關系數。

1.6??cluster?函數

調用格式：T=cluster(Z,…)

說明：根據linkage函數的輸出Z?創建分類。

1.7??clusterdata函數

調用格式：T=clusterdata(X,…)

說明：根據數據創建分類。

T=clusterdata(X,cutoff)與下面的一組命令等價：

Y=pdist(X,’euclid’);

Z=linkage(Y,’single’);

T=cluster(Z,cutoff);

2. Matlab程序

2.1?一次聚類法

X=[11978 12.5 93.5 31908;…;57500 67.6 238.015900];

T=clusterdata(X,0.9)

2.2??分步聚類

Step1??尋找變量之間的相似性

用pdist函數計算相似矩陣，有多種方法可以計算距離，進行計算之前最好先將數據用zscore函數進行標準化。

X2=zscore(X);??%標準化數據

Y2=pdist(X2);??%計算距離

Step2???定義變量之間的連接

Z2=linkage(Y2);

Step3??評價聚類信息

???C2=cophenet(Z2,Y2);???????//0.94698

Step4?創建聚類，并作出譜系圖

?????T=cluster(Z2,6);

?????H=dendrogram(Z2);

分類結果：{加拿大}，{中國，美國，澳大利亞}，{日本，印尼}，{巴西}，{前蘇聯}

剩余的為一類。

總結

以上是生活随笔為你收集整理的谱聚类方法-MATLAB的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。