Студопедия Главная Случайная страница Обратная связь

Разделы: Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Проведение кластерного анализа




Прежде всего следует перейти к модулю Кластерный анализ (Cluster analysis). Это можно сделать, избрав пункт Analysis, подпункт Other Statistics (рис. 1, слева). Появится окно модулей, в котором можно избрать нужный раздел (рис. 1, справа).

После запуска модуля Кластерный анализ автоматически появля­ется диалоговое окно (рис. 2). В этом окне следует выбрать один из методов кластерного анализа. Нас в первую очередь интересует Дре­вовидная кластеризация, а потому необходимо избрать пункт Joining (tree clustering) и нажать ОК.

Сразу появится следующее окно, в котором вам предлагается за­дать следующие параметры кластерного анализа (рис. 3):

• переменные для анализа (кнопка );

• способ кластеризации (по столбикам — Variables, по лентам —
Cases);

• стратегию кластеризации;

• способ измерения расстояний между объектами.


Слева вверху в этом окне размещена кнопка Переменные ( ).

Ее следует нажать, чтобы избрать те переменные, по которым вы бу­дете проводить кластерный анализ. После нажатия на эту кнопку воз­никнет новое диалоговое окно, представленное на рис. 4.

Поскольку нам для анализа потребуются все переменные, то вы­берите опцию Выбрать Все (Select All), после чего Нажмите кнопку


Для начала кластерного анализа нажмите кнопку ОК. Перед вами (рис. 5) появится окно Результаты Объединения (Joining Results). Это и есть результаты кластерного анализа. Теперь, нажимая соответствую­щие кнопки, вы получите необходимые для анализа таблицы и графики.

Для описания результатов кластерного анализа нам будут важны следующие результаты:

• таблица расстояний ( );

• таблица объединений ( );

• горизонтальное или вертикальное кластерное дерево (
или ).




Таблица расстояний имеет следующий вид (рис. 6).

Из этой таблицы можно получить информацию о расстояниях между отдельными объектами — чем больше числовое значение в определенной графе таблицы, тем больше расстояние между соответ­ствующими ей объектами.

Однако на основе анализа только одной таблицы расстояний тя­жело делать определенные обобщения и выводы. Более информатив­ной является таблица объединений (рис. 7):

Как видим, в этой таблице содержание кластеров представлено иначе — слева указаны расстояния (linkage distance), а вверху — коли­чество объектов в кластере. В самой же таблице размещены непо­средственно объекты. Тем самым уже более явно показано, что в дан-


ном примере в первый кластер входят 2 объекта, во второй — 3, а тре­тий образован 5 переменными и т. д.

Еще нагляднее результаты кластерного анализа можно предста­вить в виде кластерного дерева (рис. 8).


Поможем в написании учебной работы
Поможем с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой





Дата добавления: 2015-09-07; просмотров: 247. Нарушение авторских прав; Мы поможем в написании вашей работы!

Studopedia.info - Студопедия - 2014-2022 год . (0.019 сек.) русская версия | украинская версия
Поможем в написании
> Курсовые, контрольные, дипломные и другие работы со скидкой до 25%
3 569 лучших специалисов, готовы оказать помощь 24/7