本文目录
- 聚类分析的基本步骤
- 数据挖掘中分类分析和聚类分析的区别
- 聚类分析
- 如何用excel对数据进行聚类分析
- excel中如何做聚类分析
- 交叉分析和聚类分析是什么，在spss 或EXCEL怎么操作，求大神指导或者推荐网站
- 如何用excel 做聚类分析
- 什么是聚类分析聚类算法有哪几种
- 如何将excel表中的数据用weka进行聚类分析
- excel聚类分析如何确定k值
聚类分析的基本步骤
聚类分析的主要步骤聚类分析的主要步骤1.数据预处理，2.为衡量数据点间的相似度定义一个距离函数，3.聚类或分组，4.评估输出。数据预处理包括选择数量，类型和特征的标度，它依靠特征选择和特征抽取，特征选择选择重要的特征，特征抽取把输入的特征转化为一个新的显著特征，它们经常被用来获取一个合适的特征集来为避免“维数灾”进行聚类，数据预处理还包括将孤立点移出数据，孤立点是不依附于一般数据行为或模型的数据，因此孤立点经常会导致有偏差的聚类结果，因此为了得到正确的聚类，我们必须将它们剔除。既然相类似性是定义一个类的基础，那么不同数据之间在同一个特征空间相似度的衡量对于聚类步骤是很重要的，由于特征类型和特征标度的多样性，距离度量必须谨慎，它经常依赖于应用，例如，通常通过定义在特征空间的距离度量来评估不同对象的相异性，很多距离度都应用在一些不同的领域，一个简单的距离度量，如Euclidean距离，经常被用作反映不同数据间的相异性，一些有关相似性的度量，例如PMC和SMC，能够被用来特征化不同数据的概念相似性，在图像聚类上，子图图像的误差更正能够被用来衡量两个图形的相似性。将数据对象分到不同的类中是一个很重要的步骤，数据基于不同的方法被分到不同的类中，划分方法和层次方法是聚类分析的两个主要方法，划分方法一般从初始划分和最优化一个聚类标准开始。CrispClustering，它的每一个数据都属于单独的类；FuzzyClustering，它的每个数据可能在任何一个类中，CrispClustering和FuzzyClusterin是划分方法的两个主要技术，划分方法聚类是基于某个标准产生一个嵌套的划分系列，它可以度量不同类之间的相似性或一个类的可分离性用来合并和分裂类，其他的聚类方法还包括基 于密度的聚类，基于模型的聚类，基于网格的聚类。评估聚类结果的质量是另一个重要的阶段，聚类是一个无管理的程序，也没有客观的标准来评价聚类结果，它是通过一个类有效索引来评价，一般来说，几何性质，包括类间的分离和类内部的耦合，一般都用来评价聚类结果的质量，类有效索引在决定类的数目时经常扮演了一个重要角色，类有效索引的最佳值被期望从真实的类数目中获取，一个通常的决定类数目的方法是选择一个特定的类有效索引的最佳值，这个索引能否真实的得出类的数目是判断该索引是否有效的标准，很多已经存在的标准对于相互分离的类数据集合都能得出很好的结果，但是对于复杂的数据集，却通常行不通，例如，对于交叠类的集合。
数据挖掘中分类分析和聚类分析的区别
简单地说，分类(Categorization or Classification)就是按照某种标准给对象贴标签(label)，再根据标签来区分归类。聚类是指事先没有“标签”而通过某种成团分析找出事物之间存在聚集性原因的过程。分类分析 和 聚类分析，分别是挖掘中分析这两种方法（分类和聚类）的方法，比如分类分析的内容有分析在此样本情况下能够被分类的程度，并且依据此分析重新分布数据，使得数据更容易被分析，相关技术有多类判别分析、主成分分析。聚类分析指类似的能够衡量一个聚类方法的方法。小弟拙见，也是数据挖掘初学者。关于数据挖掘的相关学习，推荐CDA数据师的相关课程，课程内容兼顾培养解决数据挖掘流程问题的横向能力以及解决数据挖掘算法问题的纵向能力。要求学生具备从数据治理根源出发的思维，通过数字化工作方法来探查业务问题，通过近因分析、宏观根因分析等手段，再选择业务流程优化工具还是算法工具，而非“遇到问题调算法包”。真正理解商业思维，项目思维，能够遇到问题解决问题。点击预约免费试听课
聚类分析
化探工作中常常要研究元素和样品分类问题。聚类分析则提供了一些数量化的衡量元素或样品相似程度的指示，利用这些指标可将元素样品按其相似程度的大小划分为不同的类，从而揭示元素或样品之间的本质联系，这有助于研究元素共生组合关系和对岩体异常等的分类评价。
根据分类对象不同，聚类分析分为R型聚类分析（对元素进行分类），Q型聚类分析（对样品进行分类）。聚类分析一般采用逐次联结法，具体做法如下。
1.转换对数
常将实测数据先转换为对数，因为微量元素多属对数正态分布，而且数据过于离散。
2.数据均匀化
数据均匀化化的目的是将大小悬殊的数据化为同一度量的水平上。均匀化的方法常用的有：
（1）标准化
用于R型聚类分析，计算公式：
地球化学找矿
式中：zij为标准化数据；xij为原始数据（对数值）；xi为 i个变量的平均值（对数平均值），
（2）正规化
用于Q型聚类分析，计算公式：
地球化学找矿
式中：wij为正规化数据；xij为原始数据（对数值）；xi（max）为i个变量的最大值（对数值）；xi（min）为i个变量的最小值（对数值）；i 为变量数（i ＝1，2，3，…，m）；j 为样品数（j＝1，2，3，…，n）。
（3）计算相似性统计量
1）相关系数r
用于R型聚分析，计算公式（任何两元素）：
地球化学找矿
数据标准化后：
地球化学找矿
-1≤r≤1，|r|愈大，元素愈相似。
2）相似性系数
用于Q型聚类分析，计算公式（任何二样品）：
地球化学找矿
-1≤cosθ≤1，|cosθ|愈大，元素愈相似。
3）距离系数
用于Q型聚类分析，计算公式（对于任何两样品）
地球化学找矿
对于正规化数据0≤d≤1，d值越小样品越相似。将计算出的相似性统计量排列成矩阵。
（4）根据相似性统计量进行分类
1）选出相似程度最大（即相关系数、相似性系数最大，距离系数最小）的一对元素或样品联结成一类，填入分类表（表6-4），联结后的元素或样品组成一个新变量（新样品）替换序号较小的变量（样品），去掉序号较大的变量（样品）。
2）将联结成一类的元素或样品均匀化数据加权平均，替换序号较小的一行作为新变量（新样品）的数据，去掉序号较大的一行数据，其余各行不变。得到比原来少一个变量或样品的均匀化数据表。
表6-4 分类统计表
加权平均计算公式：
如第一、二两个元素联结后新变量的标准化数据为，则：
地球化学找矿
N1和N2分别为权，未组合的数据权为1，组合一次权增加1。
3）根据新变量（新样品）的数据，计算新变量（新样品）与其余变量（样品）间的相似性统计量，其余不变，列出新的矩阵。
4）重复上述1），2），3）各步骤，即挑选相似程度最大的变量（或样品）联结归类；加权平均合并数据；计算新变量（新样品）与其他变量（样品）间的相似性统计量，刷新原矩阵，直至全部联结完毕为止。
5）制作谱系图，见图6-3。
图6-3 谱系图（示意）
3.计算实例
某地一批超基性岩样品，经分析 Ni，Co，Cu，Cr，S，As含量如表6-5。
表6-5 某地超基性样品Ni，Co，Cu，Cr，S，As 含量
（1）用R型聚类分析对元素进行分类
1）将原始数据转换为对数，并计算各元素对数值的平均值和标准离差，其结果见表6-6。
2）将各样品中各元素含量对数值进行标准化。
3）按照数据标准化公式：
地球化学找矿
地球化学找矿
于是可得标准化数据表6-7。
表6-7 标准化数据
4）计算相关系数，列出相关系数矩阵R（0），按照相关系数计算公式：
地球化学找矿
于是得相关矩阵R（0）：
地球化学找矿
5）将R（0）中相关系数最大的Co，Cu联结成一类，记为Co′填入分类统计表中，并计算Co′的数据。
按照加权平均计算公式：
地球化学找矿
于是得表6-8。
表6-8 由R（0）得到的Co′值
6）计算新变量Co′与剩余的变量的相关系数，列出新相关矩阵R（1）。
相关系数计算公式同前（以下同），于是得：
地球化学找矿
7）将R（1）中相关系数最大的Ni，Co′联结成一类，记为Ni′填入分类统计表中，并计算Ni′的数据。
Ni′的数据仍按前加权平均的公式计算（以下同），于是得表6-9。
表6-9 由Co′重新计算的Ni′值
8）计算新变量Ni′与剩余的变量的相关系数，列出新相关矩阵R（2）。
于是得：
地球化学找矿
9）将R（2）中相关系数最大的S，As联结成一类，记为填入分类统计表中，并计算S′的数据（表6-10）。
表6-10 S′计算结果
10）计算新变量S′与剩余变量的相关系数，列出刷新的相关矩阵R（3）：
地球化学找矿
11）将R（3）中相关系数最大的 Ni′与 S′联结成一类，记为 Ni″，填入分类统计表中（表6-11）。
表6-11 Ni″计算结果
12）计算新变量Ni″与剩余变量的相关系数，列出刷新的相关矩R（4）。
13）最后将Ni″与Cr联结起来，记入分类统计表6-12。
表6-12 分类统计表
14）制作谱系图（图6-4）。
图6-4 谱系图
从上述谱系图可见，在相关系数0.2～0.5的相似水平上，可将述六个元素分为两类：一类是 Cr（亲氧元素）；另一类是 Co，Cu，Ni，As（亲硫元素）。在相关系数0.6 左右可将亲硫元素分为两组，一组是S，As（阴离子）；一组是Co，Cu，Ni（阳离子），且Co，Cu相关关系更密切。这样R型聚类分析清楚地显示出这些元素在超基性岩石的相互关系。
（2）用Q型聚类分析对样品进行分类
仍以上述超基岩样品分析结果为例。
对样品分类常用距离系数。由于距离系数是对直角坐标系而言，即要求变量要互不相关。故可先用R型聚类分析（式R型因子分析）选出互相独立的变量（在用R型聚类分析时，通常取相关系数绝对值小的变量），然后以距离系数对样品进行分类。
上例R型聚类分析结果，在R＝0.6 水平左右可将变量分为三组，即Ni′（Ni，Co，Cu）；S′（S，As）；Cr，现以这三组为变量对样品进行分类。
1）将变量数据（对数值）进行合并，得出新的数据表。合并的办法是取该组变量的平均值，于是得表6-13。
表6-13 对变量数据合并后的新的数据
2）将数据正规化。按正规化的公式：
地球化学找矿
于是得表6-14。
表6-14 正规化后的数据表
3）计算距离系数djk，列出初始距离系数矩阵D（0）。
按距离系数公式：
地球化学找矿
于是得：
地球化学找矿
4）将D（0）中距离系数值最小的（5），（6）样品联结成一类，记为（5′）填入分类统计表中，并计算（5′）的数据。
按照加权平均计算公式：
地球化学找矿
于是得表6-15。
表6-15 （5′）的数据表
5）计算（5′）与样品的距离系数，列出刷新距离系数矩阵D（1），于是得：
地球化学找矿
6）将D（1）中距离系数最大的（2），（5′）联结成一类，记为（2′），填入分类统计表中，并计算（2′）的数据。于是得表6-16。
表6-16 （2′）的数据表
7）计算（2′）与剩余样品的距离系数，列出刷新的距离系数矩阵D（2），于是得：
地球化学找矿
8）将D（2）中距离系数最小的（1），（4）联结成一类，记为（1′），填入分类统计表中，并计算（1′）的数据。于是得表6-17。
表6-17 （1′）的数据表
9）计算（1′）与剩余样品的距离系数，列出刷新的距离系数矩阵D（3），于是得：
地球化学找矿
10）将D（3）中距离系数最小的（1′），（2′），联结成一类，记为（1″），填入分类统计表中，并计算（1″）的数据。于是得表6-18。
表6-18 （1″）的数据表
11）计算（1″）与剩余样品的距离系数，列出新的距离系数矩阵D（4），于是得：
地球化学找矿
12）最后将（1″），（3）联结成一类，填入分类统计表6-19。
表6-19 分类统计表
13）制作谱系图（图6-5）。
图6-5 谱系图
从谱系图上可得：在距离系数0.35～0.5水平上，可将数个样品分成三类；一类是矿化的蛇纹岩（1）及（4）；另一类是无矿化的蛇纹岩（2）及滑镁岩（5），（6）；样品（3）为单独一类，它是无矿化的蛇纹岩。因此，通过Q型聚类分析很好地将该地含矿岩体和不含矿岩体区分开来。至于样品（3）单独开，还可进一步研究它与其他无矿岩体的差异。
这里需要特别指出的是，运用回归分析、判别分析、聚类分析都是在特定的地质条件下得出的统计规律，因此，在利用这些规律对未知进行判断时，一定要注意地质条件的相似性，切不可把某一地质条件下导出的规律，生搬硬套地用于解决不同地质条件下的问题。
如何用excel对数据进行聚类分析
用excel对数据进行聚类分析的方法如下：
因为数据量纲不同将影响聚类分析的结果，所以在分析之前要对数据进行无量纲化处理，无量纲化处理的方法有很多种，我们可以根据自己的实际需要进行选择。本经验示例较为简单，只需要对有序尺度数据进行无量纲化。
对于有序尺度，可以采用数值编码的方式将其转换为间距型。
如：优、良、中、及格、不及格
首选将外语的数据类型改成数值型，然后将各个数据属性值改为“5”，“5”，“4”，“4”，“4”，“2”分别对应之前的优，优，良、良、良和及格。
指标类型中有“极大型”、“极小型”、“居中型”和“区间型”指标，所以在聚类之前必须对指标的类型进行一致化处理。本例一致化处理见附图。
选择“分析”--》“分类”--》“系统聚类”进入系统聚类设置选项卡。
进入选项卡，将标准化后的数据作为变量。然后可以在当中选择聚类的各种方式方法及要生成的图标，这里我们勾选上树状图后其他默认。点击确定即可看到spss自动处理输出的结果。
根据spss输出的结果进行分析。
excel中如何做聚类分析
excel没办法做，需要用spss来进行。
1.选择“分析”--》“分类”--》“系统聚类”进入系统聚类设置选项卡。
2.进入选项卡，将标准化后的数据作为变量。然后可以在当中选择聚类的各种方式方法及要生成的图标，这里勾选上树状图后其他默认。点击确定即可看到spss自动处理输出的结果。
3.根据spss输出的结果进行分析。
交叉分析和聚类分析是什么，在spss 或EXCEL怎么操作，求大神指导或者推荐网站
这些都属于统计分析的范畴。EXCEL里面有数据分析的加载项，需要自行加载使用。spss是专业的统计分析软件，里面有这样的功能。至于交叉分析和聚类分析是什么，找本SPSS相关的书看看就懂了。我不是大神，我只是个路人。
如何用excel 做聚类分析
excel没办法做，需要用spss来进行。
1.选择“分析”--》“分类”--》“系统聚类”进入系统聚类设置选项卡。
2.进入选项卡，将标准化后的数据作为变量。然后可以在当中选择聚类的各种方式方法及要生成的图标，这里勾选上树状图后其他默认。点击确定即可看到spss自动处理输出的结果。
3.根据spss输出的结果进行分析。
什么是聚类分析聚类算法有哪几种
聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法。聚类分析起源于分类学，在古老的分类学中，人们主要依靠经验和专业知识来实现分类，很少利用数学工具进行定量的分类。随着人类科学技术的发展，对分类的要求越来越高，以致有时仅凭经验和专业知识难以确切地进行分类，于是人们逐渐地把数学工具引用到了分类学中，形成了数值分类学，之后又将多元分析的技术引入到数值分类学形成了聚类分析。 聚类分析内容非常丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。 聚类分析计算方法主要有如下几种：分裂法(partitioning methods)：层次法(hierarchicalmethods)：基于密度的方法(density-based methods): 基于网格的方法(grid-based methods): 基于模型的方法(model-based methods)。
如何将excel表中的数据用weka进行聚类分析
你用weka做二次开发，你也没说你哪些接口用的weka的，首先你生成的arff文件中，文档有没有先分词，分词后有没有离散化，确保你的arff文件中attribute必须是一个一个的词，当然训练时也要包含类别信息，用于聚类后的验证，离散化后转成vsm模式，聚类方法你估计用的weka接口实现的，kmeans的输入参数可以指定聚几个类。
excel聚类分析如何确定k值
1）执行步骤。SPSS》分析》分类》K—均值聚类。均值聚类需要提前根据需要设定聚类数。输出最终聚类中心等表格。2）结果分析。根据最终聚类中心表，可得到设定的聚类数所包含的分析指标；通过对比每类在各指标上的差异，推断各类表示的意义。
