聚类分析_matlab
Matlab最简单的聚类方法：kmeans聚类，使用方法: kmeans(X，k)。
Matlab提供了两种方法进行聚类分析：
1.一次聚类
这是利用 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；
Clusterdata函数可以视为 pdist、 linkage与 cluster的综合，一般比较简单。
【 clusterdata函数：
调用格式： T=clusterdata(X,cutoff)
等价于Y=pdist(X,'euclid'); Z=linkage(Y,'single'); T=cluster(Z,cutoff)】
2.分步聚类
（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。
2.1 Matlab中相关函数介绍
2.1.1 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。
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；'cityblock'：布洛克距离；
'minkowski'：明可夫斯基距离；'cosine'：余弦距离；
'correlation'：相关系数；'hamming'：汉明距离；
'jaccard'：杰卡德距离；'chebychev'：Chebychev距离。
2.1.2 squareform函数
调用格式：Z=squareform(Y,..)
说明： 强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。
2.1.3 linkage函数
调用格式：Z=linkage(Y,’method’)
说 明：用‘method’参数指定的算法计算系统聚类树。
Y：pdist函数返回的距离向量；
method：可取值如下：
‘single’：最短距离法（默认）； ‘complete’：最长距离法；
‘average’：未加权平均距离法； ‘weighted’： 加权平均法；
‘centroid’： 质心距离法； ‘median’：加权质心距离法；
‘ward’：内平方距离法（最小方差算法）
返回：Z为一个包含聚类树信息的（m-1）×3的矩阵。
2.1.4 dendrogram函数
调用格式：[H，T，…]=dendrogram(Z,p，…)
说明：生成只有顶部p个节点的冰柱图（谱系图）。
2.1.5 cophenet函数
调用格式：c=cophenetic(Z,Y)
说明：利用pdist函数生成的Y和linkage函数生成的Z计算cophenet相关系数。
2.1.6 cluster 函数
调用格式：T=cluster(Z,…)
说明：根据linkage函数的输出Z 创建分类。
2.1.7 clusterdata函数
调用格式：T=clusterdata(X,…)
说明：根据数据创建分类。
T=clusterdata(X,cutoff)与下面的一组命令等价：
Y=pdist(X,’euclid’);
Z=linkage(Y,’single’);
T=cluster(Z,cutoff);
3. Matlab程序
3.1 一次聚类
X=[11978 12.5 93.5 31908;…;57500 67.6 238.0 15900];
T=clusterdata(X,0.9)
3.2 分步聚类
Step1 寻找变量之间的相似性
用pdist函数计算相似矩阵，有多种方法可以计算距离，进行计算之前最好先将数据用zscore函数进行标准化。
X=zscore(data); %标准化数据
Y=pdist(X); %计算距离
Step2 定义变量之间的连接
Z=linkage(Y);
Step3 评价聚类信息
C=cophenet(Z,Y); //0.6190
Step4 创建聚类，并作出谱系图
T=cluster(Z,3);
H=dendrogram(Z);
参考：http://blog.sina.com.cn/s/blog_5a13cf680100aj18.html