聚类分析方法

聚类分析方法

俗话说，物以类聚，聚类分析（cluster analysis）就是通过观测数据将对象进行分类的统计方法。聚类分析的主要思想就是相近（或相似）的样品（或指标）归为一类，该方法最早是由考古学家在对考古分类中研究中发展起来的，如今已经被广泛的应用在天气、地质、生物、金融、保险、图像处理等许多领域。在食品安全领域，可以通过食品污染物数据对地域进行分类或拓展到更多方面。

聚类方法有很多，不过大致可分为两类：系统聚类（hierachical clustering）方法和动态聚类(dynamic clustering)方法,系统聚类方法中最常用的是层次聚类，动态聚类中最常用的是K-均值聚类。

1层次聚类法

层次聚类方法对给定的数据集进行层次的分解，直到某种条件满足为止。具体又可分为凝聚的，分解的两种方案。

层次聚类法中凝聚法就是先将n个样本各自看成一类，然后规定样品之间的距离和类与类之间的距离，将距离最小的一对并成一个新类，然后，计算新类和其他类的距离，再将距离最近的两类合并，这样每次减少一类，直到所有的样品都成一类为止。

凝聚法是类由多到少的方法，而分解法是类由少到多的算法，是先将所有的样品看成一类，然后将所有的样品分成两类，使得两类之间的样品尽量的远，接着再将各小类继续分类，直到所有的样品各成一类为止。

不管是凝聚法还是分解法，最终都是将根据各类之间的亲疏关系，逐步画成一张完整的分类系统图，即谱系图或树状聚类图。

类间距离等于两类对象之间的最小距离，根据经验，由离差平方和法所得的谱系聚类图的凝聚聚类方法最为清晰。整个过程就是建立一个树结构，类似于下图。