内容发布更新时间 : 2024/11/5 11:30:19星期一 下面是文章的全部内容请认真阅读。
该表为最终聚类中心间的距离表。例如第1类和第2类中心点坐标之间的距离为1632.112,第2类和第3类中心点坐标之间的距离为919.955。以此类推。 (6)方差分析表 ANOVA 平均气温 平均相对湿度 降水量 日照时数 均方 聚类 df 3 3 3 3 均方 误差 df 27 27 27 27 F Sig. .000 .000 .000 .000 232.937 759.884 1764610.042 3083306.950 6.170 47.201 33190.645 22847.205 37.752 16.099 53.166 134.953 F 检验应仅用于描述性目的，因为选中的聚类将被用来最大化不同聚类中的案例间的差别。观测到的显著性水平并未据此进行更正，因此无法将其解释为是对聚类均值相等这一假设的检验。 该表是方差分析表，F值只能作为描述使用，不能根据该值判断各类均值是否有显著性差异，从方差分析表可以看出有三个变量：平均气温，平均相对湿度，降水量，对分类现象显著。 (7)每个聚类中的案例数目 每个聚类中的案例数 聚类 1 2 3 4 12.000 5.000 6.000 8.000 31.000 .000 有效 缺失
每个聚类中的案例数表，由表便可看出，类别1中的案例数为12个，类别2中的案例数为5个，类别3中的案例数为6个，类别4中的案例数为8个。有效个案数为31个。
（8）QCL1为分类归属情况，QCL2为样本到类中心的距离。 1 2 3 4 城市 北京 天津 石家庄 太原 QCL1 1 1 3 1 QCL2 169.368 344.195 302.104 134.141 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 呼和浩特 沈阳 长春 哈尔滨 上海 南京 杭州 合肥 福州 南昌 济南 郑州 武汉 长沙 广州 南宁 海口 重庆 成都 贵阳 昆明 西安 拉萨 兰州 西宁 银川 乌鲁木齐 1 1 1 1 4 3 4 3 4 4 3 3 4 2 4 4 4 2 2 2 3 2 1 1 1 1 1 171.727 331.330 196.540 114.503 287.494 248.519 106.912 312.151 180.329 196.627 309.464 199.182 224.272 310.696 285.826 200.245 270.056 124.481 190.792 22.912 199.530 69.953 223.380 146.384 69.265 267.049 144.953
由表可知，相对于系统矩阵，K均值矩阵把地区分为5类时，
第一类：北京、天津、太原、呼和浩特、沈阳、长春、哈尔滨、拉萨、兰州、西宁、银川、乌鲁木齐
第二类：长沙、重庆、成都、贵阳、西安 第三类：南京、河南、济南、郑州 第四类：广州、南宁、海口、南昌、武汉
6．两种方法的结果比较
我又分别做了K=3和K=5时的K均值聚类分析与系统聚类分析的3类、4类、5类相比较，结果如下表：
（1）把地区分为5类时，两种方法比较如下表所示 第一类 系统聚类 北京、太原、呼和浩特、长春、哈尔滨、拉萨、兰州、西宁、银川、乌鲁木齐 天津、石家庄、沈阳、济南、郑州 上海、南京、合肥、武汉、昆明 长沙、广州、南宁、海口、杭州、福州、南昌、昆明 重庆、成都、贵阳、西安 K均值聚类 长沙、重庆、成都、贵阳、西安 上海、南京、合肥、武汉、昆明 天津、石家庄、沈阳、济南、郑州 广州、南宁、海口、南昌、杭州、福州 北京、太原、呼和浩特、长春、哈尔滨、拉萨、兰州、西宁、银川、乌鲁木齐 第二类 第三类 第四类 第五类
（2）把地区分为4类时，两种方法比较如下表所示： 第一类 系统聚类 北京、太原、呼和浩特、长春、哈尔滨、拉萨、兰州、西宁、银川、乌鲁木齐 天津、济南、郑州、沈阳、石家庄 上海、南京、合肥、杭州、福州、南昌、武汉、长沙、广州、南宁、海口、 重庆、成都、贵阳、西安、昆明 K均值聚类 北京、天津、太原、呼和浩特、沈阳、长春、哈尔滨、拉萨、兰州、西宁、银川、乌鲁木齐 长沙、重庆、成都、贵阳、西安 南京、河南、济南、郑州、石家庄 广州、南宁、海口、南昌、武汉 第二类 第三类 第四类
（3）把地区分为3类时，两种方法比较如下表所示
第一类 系统聚类 拉萨、兰州、西宁、银川、乌鲁木齐、北京、太原、呼和浩特、天津、石家庄、沈阳、长春、哈尔滨、济南、郑州 上海、南京、合肥、杭州、福州、南昌、武汉、长沙、广州、南宁、海口、昆明 重庆、成都、贵阳、西安 K均值聚类 北京、天津、石家庄、太原、呼和浩特、沈阳、长春、哈尔滨、拉萨、兰州、西宁、银川、乌鲁木齐、济南、郑州 长沙、重庆、成都、贵阳、西安 上海、南京、合肥、杭州、福州、南昌、武汉、广州、南宁、海口、昆明 第二类 第三类
（1）上图分别比较了k=3,4,5，将系统分为三类四类五类时K均值聚类法与系统聚类法的比较，可以看出，在K=3时，K均值聚类分析与系统聚类分析的结果差异最小，K均值聚类将样品聚类，而系统聚类将指标聚类。系统聚类过程较麻烦，此案例这种比系统聚类法大得多的数据组用K均值法更简单明了，但是在对案例进行分析时，选择几种算法进行反复检验，对于结果的分析是有好处的。当K均值聚类成五类时各类之间差异较小，无较大意义，强行把这些数据分成K个类会导致无意义的聚类。
（2）K均值的优点：操作简便，K均值法得到的结果比较简单易懂。 K均值的缺点：K均值法只能产生指定类数结果。
系统聚类的优点：系统聚类可以对不同的类数产生一系列的聚类结果。 系统聚类的缺点：系统聚类法需要计算出不同样品或变量的距离，还要在 聚类的每一步都要及时“类间距离”，计算量比较大。