Matlab聚类分析(Cluster Analyses)

cited from:来源

总括

Matlab提供系列函数用于聚类分析，归纳起来具体方法有如下：

方法一：

直接聚类，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，该方法的使用者无需了解聚类的原理和过程，但是聚类效果受限制。

方法二：

层次聚类，该方法较为灵活，需要进行细节了解聚类原理，具体需要进行如下过程处理：
（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；
（2）用 linkage函数定义变量之间的连接；
（3）用 cophenetic函数评价聚类信息；
（4）用cluster函数创建聚类。

方法三：

划分聚类，包括K均值聚类和K中心聚类，同样需要系列步骤完成该过程，要求使用者对聚类原理和过程有较清晰的认识。

---

接下来介绍一下Matlab中的相关函数和相关聚类方法。

---

---

---

1．Matlab中相关函数介绍

1.1 pdist函数

调用格式：Y=pdist(X,’metric’)
说明：用 ‘metric’指定的方法计算 X 数据矩阵中对象之间的距离。
X：一个m×n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n(即n个特征值)。
metric’取值如下：
‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离；
‘mahalanobis’：马氏距离；‘city