matlab 层次聚类

MATLAB的统计工具箱中的多元统计分析中提供了聚类分析的两种方法：
1.层次聚类 hierarchical clustering

2.k-means聚类

这里用最简单的实例说明以下层次聚类原理和应用发法。

层次聚类是基于距离的聚类方法，MATLAB中通过pdist、linkage、dendrogram、cluster等函数来完成。层次聚类的过程可以分这么几步：

(1) 确定对象（实际上就是数据集中的每个数据点）之间的相似性，实际上就是定义一个表征对象之间差异的距离，例如最简单的平面上点的聚类中，最经常使用的就是欧几里得距离。

这在MATLAB中可以通过Y=pdist（X）实现，例如

>> X=randn(6,2)
X =-0.4326     1.1892-1.6656    -0.03760.1253     0.32730.2877     0.1746-1.1465    -0.18671.1909     0.7258
>> plot(X(:,1),X(:,2),'bo')    %给个图，将来对照聚类结果把

````
Y=pdist(x)

Y =

1 至 14 列
0.7728 0.4994 0.9336 0.6606 0.3346 0.6789 0.2830 0.1381 0.7942 0.9444 0.5422 0.7887 0.4075 0.8513
15 列
0.7286
````
例子中X数据集可以看作包含6个平面数据点，pdist之后的Y是一个行向量，15个元素分别代表X的第1点与2-6点、第2点与3-6点,…这样的距离。那么对于M个点的数据集X，pdist之后的Y

将是具有M*(M-1)/2个元素的行向量。Y这样的显示虽然节省了内存空间，但对用户来说不是很易懂，如果需要对这些距离进行特定操作的话，也不太好索引。MATLAB中可以用squareform把Y转换成方阵形式，方阵中<i，j>位置的数值就是X中第i和第j点之间的距离，显然这个方阵应该是个对角元素为0的对称阵。
squareform(Y)

ans =

     0    0.7728    0.4994    0.9336    0.6606    0.3346
0.7728         0    0.6789    0.2830    0.1381    0.7942
0.4994    0.6789         0    0.9444    0.5422    0.7887
0.9336    0.2830    0.9444         0    0.4075    0.8513
0.6606    0.1381    0.5422    0.4075         0    0.7286
0.3346    0.7942    0.7887    0.8513    0.7286         0

这里需要注意的是，pdist可以使用多种参数，指定不同的距离算法。help pdist把。
另外，当数据规模很大时，可以想象pdist产生的Y占用内存将是很吓人的，比如X有10k个数据点，那么X占10k82Bytes=160K，这看起来不算啥，但是pdist后的Y会有10k10k/28Bytes=400M。怕了把，所以，废话说在前面，用MATLAB的层次聚类来处理大规模数据，大概是很不合适的。
确定好了对象间的差异度（距离）后，就可以用Z=linkage(Y)来产生层次聚类树了。

>> Z=linkage(Y)
>Z=linkage(Y)Z =2.0000    5.0000    0.13814.0000    7.0000    0.28301.0000    6.0000    0.33463.0000    9.0000    0.49948.0000   10.0000    0.5422

对于M个元素的X，前面说了Y是1行M*(M-1)/2的行向量，Z则是(M-1)*3的矩阵。
Z数组的前两列是索引下标列，最后一列是距离列。例如上例中表示在产生聚类树的计算过程中，第3和第4点先聚成一类，他们之间的距离是0.2228，以此类推。要注意的是，为了标记每一个节点，需要给新产生的聚类也安排一个标识，MATLAB中会将新产生的聚类依次用M+1,M+2,…依次来标识。比如第3和第4点聚成的类以后就用7来标识，第2和第5点聚成的类用8来标识，依次类推。
通过linkage函数计算之后，实际上二叉树式的聚类已经完成了。Z这个数据数组不太好看，可以用dendrogram(Z)来可视化聚类树。

可以看到，产生的聚类树的每一层都是一个倒置的U型（或者说是个n型，~~），纵轴高度代表了当前聚类中两个子节点之间的距离。横轴上标记出了各个数据点索引下标。
稍微注意以下的是，dendrogram默认最多画30个最底层节点，当然可是设置参数改变这个限制，比如dendrogram(Z,0)就会把所有数据点索引下标都标出来，但对于成千上万的数据集合，这样的结果必然是图形下方非常拥挤。看你的应用目的了，随你玩~

(3)初步的聚类树画完后，还要做很多后期工作的，包括这样的聚类是不是可靠，是不是代表了实际的对象分化模式，对于具体的应用，应该怎样认识这个完全版的聚类树，产生具有较少分叉的可供决策参考的分类结果呢？这都是需要考虑的。

MATLAB中提供了cluster, clusterdata, cophenet, inconsistent等相关函数。

cluster用于剪裁完全版的聚类树，产生具有一定cutoff的可用于参考的树。
clusterdata可以认为是pdist,linkage,cluster的综合，当然更简易一点。
cophenet和inconsistent用来计算某些系数，前者用于检验一定算法下产生的二叉聚类树和实际

情况的相符程度（就是检测二叉聚类树中各元素间的距离和pdist计算产生的实际的距离之间有

多大的相关性），inconsistent则是量化某个层次的聚类上的节点间的差异性（可用于作为

cluster的剪裁标准）。

matlab 层次聚类相关推荐

matlab 层次聚类不均等巨雷,matlab层次聚类
层次聚类是基于距离的聚类方法,MATLAB中通过pdist.linkage.dendrogram.cluster等函数来完成.层次聚类的过程可以分这么几步: (1) 确定对象(实际上就是数据集中的. ...
matlab 层次聚类算法,层次聚类的Matlab实现代码
最近需要用到层次聚类,发现在Matlab上很容易实现,下面是代码加详细注释 clear all clc close all mdist=input('输入坐标文件名字\n'); disp('读取数据坐 ...
matlab层次聚类中birch,Birch层次聚类
Birch层次聚类算法标签(空格分隔): CF树建立 BIRCH算法比较适合于数据量大,类别数K也比较多的情况.它运行速度很快,只需要单遍扫描数据集就能进行聚类,当然需要用到一些技巧,下面我们就对B ...
三维层次聚类分析matlab,聚类分析（三）层次聚类及matlab程序
一.层次聚类介绍 1.1 简介层次聚类,主要是对给定的待聚类的数据集进行层次化分解.主要分为两大类: 1.从下到上的凝聚聚类 2.从上到下的分裂聚类其他算法大部分是对样本之间距离度量或者类间凝聚/ ...
Matlab聚类分析_层次聚类+kmeans聚类等
Matlab提供了两种方法进行聚类分析. 一种是利用 clusterdata函数对样本数据进行一次聚类,其缺点为可供用户选择的面较窄,不能更改距离的计算方法: 另一种是分步聚类:(1)找到数据集合中变 ...
分裂层次聚类matlab实现,凝聚层次聚类算法matlab源码
<凝聚层次聚类算法matlab源码>由会员分享,可在线阅读,更多相关<凝聚层次聚类算法matlab源码(3页珍藏版)>请在人人文库网上搜索. 1.共享一个在数据挖掘课程中作为示 ...
matlab 实现分层聚类算法,[转载]MATLAB层次聚类分析法（转）
层次聚类是基于距离的聚类方法,MATLAB中通过pdist.linkage.dendrogram.cluster等函数来完成.层次聚类的过程可以分这么几步: (1) 确定对象(实际上就是数据集中的每个 ...
层次聚类多维度matlab实现_第34集 python机器学习：凝聚聚类
凝聚聚类:凝聚聚类是指许多基于相同原则构建的聚类算法.这一原则是:算法首先声明每个点是自己的簇,然后合并两个最相似的簇,直到满足某种停止条件为止. scikit-learn中实现的停止准则是簇的个数, ...
层次聚类 matlab代码_聚类算法解析一
01 概述本次针对聚类算法进行讲解,因为内容较多,会分多篇文章进行讲解,主要的内容包括聚类算法的整体介绍,针对不同类别的聚类算法比如划分聚类.层次聚类.密度聚类等算法进行介绍,在讲解每类算法时会结合 ...

matlab 层次聚类

matlab 层次聚类相关推荐

最新文章

热门文章