【原】JASP系統(tǒng)聚類：樹狀圖暫無標(biāo)簽注釋

數(shù)據(jù)小兵 2021-06-02

展開全文

12月17日,，JASP官方發(fā)布了 V 0.14.1 版本,。今天咱們就用這個(gè)版本來練習(xí)完成聚類分析案例。

收集到我國某年31個(gè)地區(qū)城鎮(zhèn)居民平均每人家庭收入來源的統(tǒng)計(jì)數(shù)據(jù),，試對全國各地區(qū)的收入來源結(jié)構(gòu)進(jìn)行分類,。

菜單：【machine learning】→【clustering】→【hierarchical】。

聚類依據(jù)有4個(gè)指標(biāo),，分別是工薪收入,、經(jīng)營凈收入,、財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入，這四個(gè)數(shù)據(jù)均是連續(xù)型數(shù)值,，符合hierarchical聚類的數(shù)據(jù)要求,。聚類的對象是全國主要省市地區(qū)，比如北京市,、甘肅省等,，是字符串定義。

JASP默認(rèn)是基于歐式距離來做點(diǎn)與類間的距離測量,，并采用類平均法進(jìn)行聚類,，此法即SPSS中默認(rèn)使用的組間連接法。

如果你想更改聚類核心算法,，那么就是在上圖的【distance】和【linkage】進(jìn)行調(diào)整,。當(dāng)然默認(rèn)的狀態(tài)其實(shí)就是普遍來說好的選擇。

不像SPSS,，JASP在聚類中提供AIC,，BIC，還有輪廓系數(shù)等指標(biāo)用于評估聚類類別,，默認(rèn)是采用BIC最為最佳聚類個(gè)數(shù)K的判斷依據(jù),。

還有一點(diǎn)，JASP默認(rèn)對原始數(shù)據(jù)做Z得分法的標(biāo)準(zhǔn)化處理,。

此時(shí),，JASP已經(jīng)給出了聚類的結(jié)果，聚類總體評價(jià)如上表所示,。

總31個(gè)地區(qū)被聚成5個(gè)類,，平均的輪廓系數(shù)0.46，這個(gè)系數(shù)的范圍是 [-1,，1] ,，越是接近1越好。

這些指標(biāo)在SPSS里面是沒有提供的,，這是JASP系統(tǒng)聚類的一個(gè)優(yōu)點(diǎn),。

各類的成員數(shù)或類規(guī)模大小，見上表的size行,。那我們就發(fā)現(xiàn),，有兩個(gè)地區(qū)是被單獨(dú)聚成一個(gè)類別的。最大的一個(gè)類包含了24個(gè)地區(qū),。

肘部圖,，給出了之所以聚成5個(gè)類的依據(jù)，主要是BIC，AIC,，還有組內(nèi)平方和,，從圖形上看，聚成5類是相對合適的,。

當(dāng)然，以上結(jié)果是JASP智能化的結(jié)果,，你也可以自己制定聚成幾個(gè)類,。

然后我們命令JASP輸出各類在聚類依據(jù)上的平均值表格，如上所示,。這個(gè)表格有用處,，而且是大有用處。

咱們把它復(fù)制到Excel表格中,，然后用熱力圖方案對其進(jìn)行簡單修改編輯,，最終結(jié)果如上。

聚類是否成功呢,？最終還是要以各類的特征,。專業(yè) 認(rèn)識(shí)可以通過上表來對各類的特征、含義進(jìn)行提煉總結(jié),。

最后咱們來看看系統(tǒng)聚類最“重要”的結(jié)果,，樹狀圖。為什么說樹狀圖“重要”是加引號(hào),？因?yàn)槲矣龅胶芏嘧x者,，他們說就是為了得到這個(gè)樹狀圖才使用系統(tǒng)聚類，嗯,，好一個(gè)理直氣壯的理由,。我服氣。

不過,，JASP給的這個(gè)樹狀圖,，比較寒酸。沒有給文字標(biāo)簽或數(shù)字標(biāo)簽,，你都無法從圖上看出哪個(gè)地區(qū)和哪個(gè)地區(qū)合并為類,，樹狀圖如果沒有標(biāo)簽注釋做標(biāo)記，那么基本就是無用的,。沒什么用,，希望以后能改進(jìn)完善一下。