数学分析考研(数学分析考研真题)

数学分析考研,数学分析考研真题

聚类分析概述

聚类分析(cluster analyses)可作为一种定量方法,从数据分析的角度,给出一个准确、细致的分类工具。

聚类分析是一种无监督学习,与监督学习不同的是,簇中表示数据类别分类或者信息是没有的,是对位置类别的样本进行划分,按照一定的规则划分为若干个簇类,揭示其中存在的规律。

在数学建模中,聚类分析可以应用在数据预处理过程中,对于复杂结构的多维数据可以通过聚类分析的方法对数据进行聚集,使复杂结构数据标准化。聚类分析还可以用来发现数据项之间的依赖关系,从而去除或合并有密切依赖关系的数据项。聚类分析也可以为某些数据挖掘方法(如关联规则、粗糙集方法),提供预处理功能。在商业类问题上,聚类分析是细分市场的有效工具,被用来发现不同的客户群,并且它通过对不同的客户群的特征的刻画,被用于研究消费者行为,寻找新的潜在市场等等。

相似性度量

1.聚类分析(cluster analyses)可作为一种定量方法,从数据分析的角度,给出一个准确、细致的分类工具。

2.在聚类分析中,对于定量变量,常用的是 Minkowski 距离

3.在 Minkowski 距离中,常用的是欧氏距离,它的主要优点是当坐标轴进行正交旋转时,欧氏距离是保持不变的。因此,如果对原坐标系进行平移和旋转变换,则变换后样本点间的距离和变换前完全相同。

4.采用 Minkowski 距离时,一定要采用相同量纲的变量。如果变量的量纲不同,测量值变异范围相差悬殊时,建议首先进行数据的标准化处理,然后再计算距离。

5.在采用 Minkowski 距离时,还应尽可能地避免变量的多重相关性。多重相关性(multicollinearity)所造成的信息重叠,会片面强调某些变量的重要性。

6.由于 Minkowski 距离的这些缺点,一种改进的距离就是马氏距离,定义如下:

其中x, y为来自p 维总体Z的样本观测值,Σ为Z的协方差矩阵,实际中Σ往往是不知道的,常常需要用样本协方差来估计。马氏距离对一切线性变换是不变的,故不受量纲的影响。

7.此外,还可采用样本相关系数、夹角余弦和其它关联性度量作为相似性度量。

示例:

下图是数据的一般格式

则样品与样品之间的常用距离(样品i与样品j)

示例计算:

指标与指标之间的常用“距离”(指标i与指标j)

示例计算

2.2. 类与类间的相似性度量

一. 度量方法

1.由一个样品组成的类是最基本的类。如果每一类都由一个样品组成,那么样品间的距离就是类间距离。

2.如果某一类包含不止一个样品,那么就要确定类间距离,类间距离是基于样品间距离定义的。如果有两个样本类G1和G2,我们可以用下面的一系列方法度量它们间的距离:

1.最短距离法(nearest neighbor or single linkage method)

它的直观意义为两个类中最近两点间的距离。

2.最长距离法(farthest neighbor or complete linkage method)

它的直观意义为两个类中最远两点间的距离。

3.重心法(centroid method)

其中 x ‾ \overline{x}

,y ‾ \overline{y}

y

分别为G

4.类平均法(group average method)

它等于G1 ,G2中两两样本点距离的平均,式中n1 , n2 分别为G1 ,G2中的样本点个数。

5.离差平方和法(sum of squares method)


事实上,若 G1 ,G2内部点与点距离很小,则它们能很好地各自聚为一类,并且这两类又能够充分分离(即D12很大),这时必然有D = D12 − D1 − D2 很大。因此,按定义可以认为,两类G1 ,G2之间的距离很大。

二. 更形象化地表达

2.2. 系统聚类法 1. 概述

系统聚类法是聚类分析方法中常用的一种方法。它的优点在于可以指出由粗到细的多种分类情况,典型的系统聚类结果可由一个聚类图展示出来

如何才能生成这样的聚类图呢?,其步骤如下:

显而易见,这种系统归类过程与计算类和类之间的距离有关,采用不同的距离定义,有可能得出不同的聚类结果。

2.最短距离法

有了聚类图,就可以按要求进行分类。可以看出,在这五个推销员中w5的工作成绩最佳,w3w4的工作成绩最好,而w1w2的工作成绩较差。

以上就是小编给大家总结的内容,在备战国赛的道路上大家遇到了什么问题,和队友最大的矛盾是什么,欢迎大家在留言区吐槽。

参加数学建模国赛的队伍和学校数量年年攀升,拿奖的难度极大,这就需要我们多多向有经验并且已经获奖的同学学习,毕竟实践出真知,数模乐园最近在b站推出了一个系列课程,是两位多次参赛并且多次获奖的国一学长为大家传授他们的获奖团队经验分享及备战方法,讲述他们从省三到国一的数模逆袭之路,竞赛流程、题目的选择技巧、需要掌握的基本知识、如何读题解题、揣摩出题人思路等内容,点击下方小程序立即学习:

国赛备赛时间仅剩十天,数学建模国赛想要拿奖,需要综合应用数学的能力、编程能力、论文写作方法、获奖难度较大,很难在短时间内提高,为满足同学们的备赛需求,数模乐园微小店正式上线,现小店已上架了40余种数学建模的相关产品:包括国赛真题讲解、超全优秀论文、必备模型总结、常用数学建模软件教程、国赛备赛大礼包等备赛资料一应俱全,各种备战数模好物扫描下方二维码进店挑选:

2022年新学期第一场保研综测加分的权威竞赛开放报名!

数学分析考研(数学分析考研真题)

想获得更多考研相关资料

京ICP备14027590号