![](https://csdnimg.cn/release/download_crawler_static/86979235/bg1.jpg)
一种是利用 clusterdata函数对样本数据进行一次聚类,其缺点为可供用户选
另一种是分步聚类:(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。
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。
‘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’:
‘correlation’: ‘hamming’:
‘jaccard’: ‘chebychev’:Chebychev距离。
1.2 squareform函数
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。
调用格式:Z=linkage(Y,’method’)