Matlab最簡單的聚類方法:kmeans聚類,使用方法: kmeans(X,k)。
Matlab提供了兩種方法進行聚類分析:
1.一次聚類
這是利用 clusterdata函數對樣本數據進行一次聚類,其缺點爲可供用戶選擇的面較窄,不能更改距離的計算方法;
Clusterdata函數可以視爲 pdist、 linkage與 cluster的綜合,一般比較簡單。
【 clusterdata函數:
調用格式: T=clusterdata(X,cutoff)
等價於Y=pdist(X,'euclid');
Z=linkage(Y,'single'); T=cluster(Z,cutoff)】
2.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。
2.1 Matlab中相關函數介紹
2.1.1 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,每個對象的大小爲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':餘弦距離;
'correlation':相關係數;'hamming':漢明距離;
'jaccard':傑卡德距離;'chebychev':Chebychev距離。
2.1.2 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爲方陣形式,或從方陣形式轉化爲上三角形式。
2.1.3 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爲一個包含聚類樹信息的(m-1)×3的矩陣。
2.1.4 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)。
2.1.5 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相關係數。
2.1.6 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。
2.1.7 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);
3. Matlab程序
3.1 一次聚類
X=[11978 12.5 93.5 31908;…;57500 67.6 238.0 15900];
T=clusterdata(X,0.9)
3.2 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。
X=zscore(data); %標準化數據
Y=pdist(X); %計算距離
Step2 定義變量之間的連接
Z=linkage(Y);
Step3 評價聚類信息
C=cophenet(Z,Y); //0.6190
Step4 創建聚類,並作出譜系圖
T=cluster(Z,3);
H=dendrogram(Z);
參考:http://blog.sina.com.cn/s/blog_5a13cf680100aj18.html