Главная страница
Навигация по странице:

  • [3,6] 4 [5]

    		•

    Ближайшего соседа


    Скачать 49.89 Kb.
    НазваниеБлижайшего соседа
    Дата28.03.2022
    Размер49.89 Kb.
    Формат файлаrtf
    Имя файла47628754.rtf
    ТипДокументы
    #422141


    Принцип “ближайшего соседа”.

    Исходные данные.

    № п/п
    1
    2
    3
    4
    5
    6

    x1
    23.4
    17.5
    9.7
    18.2
    6.6
    8.0

    x2
    9.1
    5.2
    5.5
    9.4
    7.5
    5.7


    1. Воспользуемся агломеративным иерархическим алгоритмом классификации. В качестве расстояния между объектами примем обычное евклидовое расстояние. Тогда согласно формуле:
    где l - признаки; k - количество признаков


    2. Полученные данные помещаем в таблицу (матрицу расстояний).

    № п/п
    1
    2
    3
    4
    5
    6

    1
    0
    7.072
    14.165
    5.209
    16.876
    15.771

    2
    7.072
    0
    7.806
    4.258
    11.14
    9.513

    3
    14.165
    7.806
    0
    9.352
    3.689
    1.712

    4
    5.209
    4.258
    9.352
    0
    11.755
    10.85

    5
    16.876
    11.14
    3.689
    11.755
    0
    2.28

    6
    15.771
    9.513
    1.712
    10.85
    2.28
    0


    3. Поиск наименьшего расстояния.

    Из матрицы расстояний следует, что объекты 3 и 6 наиболее близки P3;6 = 1.71 и поэтому объединяются в один кластер.

    № п/п
    1
    2
    [3]
    4
    5
    [6]

    1
    0
    7.072
    14.165
    5.209
    16.876
    15.771

    2
    7.072
    0
    7.806
    4.258
    11.14
    9.513

    [3]
    14.165
    7.806
    0
    9.352
    3.689
    1.712

    4
    5.209
    4.258
    9.352
    0
    11.755
    10.85

    5
    16.876
    11.14
    3.689
    11.755
    0
    2.28

    [6]
    15.771
    9.513
    1.712
    10.85
    2.28
    0


    При формировании новой матрицы расстояний, выбираем наименьшее значение из значений объектов №3 и №6.

    В результате имеем 5 кластера: S(1), S(2), S(3,6), S(4), S(5)

    Из матрицы расстояний следует, что объекты 3,6 и 5 наиболее близки P3,6;5 = 2.28 и поэтому объединяются в один кластер.

    № п/п
    1
    2
    [3,6]
    4
    [5]

    1
    0
    7.072
    14.165
    5.209
    16.876

    2
    7.072
    0
    7.806
    4.258
    11.14

    [3,6]
    14.165
    7.806
    0
    9.352
    2.28

    4
    5.209
    4.258
    9.352
    0
    11.755

    [5]
    16.876
    11.14
    2.28
    11.755
    0


    При формировании новой матрицы расстояний, выбираем наименьшее значение из значений объектов №3,6 и №5.

    В результате имеем 4 кластера: S(1), S(2), S(3,6,5), S(4)

    Из матрицы расстояний следует, что объекты 2 и 4 наиболее близки P2;4 = 4.26 и поэтому объединяются в один кластер.

    № п/п
    1
    [2]
    3,6,5
    [4]

    1
    0
    7.072
    14.165
    5.209

    [2]
    7.072
    0
    7.806
    4.258

    3,6,5
    14.165
    7.806
    0
    9.352

    [4]
    5.209
    4.258
    9.352
    0


    При формировании новой матрицы расстояний, выбираем наименьшее значение из значений объектов №2 и №4.

    В результате имеем 3 кластера: S(1), S(2,4), S(3,6,5)

    Из матрицы расстояний следует, что объекты 1 и 2,4 наиболее близки P1;2,4 = 5.21 и поэтому объединяются в один кластер.

    № п/п
    [1]
    [2,4]
    3,6,5

    [1]
    0
    5.209
    14.165

    [2,4]
    5.209
    0
    7.806

    3,6,5
    14.165
    7.806
    0


    При формировании новой матрицы расстояний, выбираем наименьшее значение из значений объектов №1 и №2,4.

    В результате имеем 2 кластера: S(1,2,4), S(3,6,5)

    № п/п
    1,2,4
    3,6,5

    1,2,4
    0
    7.806

    3,6,5
    7.806
    0


    Таким образом, при проведении кластерного анализа по принципу “ближнего соседа” получили два кластера, расстояние между которыми равно P=7.81

    Результаты иерархической классификации объектов представлены на рис. в виде дендрограммы.



    Решение было получено и оформлено с помощью сервиса:

    Кластерный анализ

    С этой задачей также решают:

    Метод К-средних

    Математические методы в психологии

    написать администратору сайта