聚类分析后为什么要进行判别分析

我在做一个31个省区的某个方面的分析 老师让我先聚类 然后在判别分析，我不是很理解，是不是先拿大多数省区做一个聚类分析，分类后，再把剩余的几个省区做个判别分析，他说这样可以检验聚类分析的准确性，但是那几个剩余省区开始在哪一类根本不清楚啊，如何判断准确与否？
望高手不吝指教！

是两种方法的结果互相验证，或者你凭什么说你的聚类分析（或者判别分析）的结果是正确的？

我不敢保证开始聚类分析的结果就是合适的 但是剩余几个省区由于不知道他们本应该属于哪一类，现在得到的判别分析的结果也不能证明什么啊

聚类分析我们知道有两种方法，比如我们事先不知道应该分为几类的时候，可以用分层聚类法，当知道需要分为几类的时候，用快速聚类法。但是这个分类的结果是否合理，是受到你采用的变量以及距离的测度方法等多个因素的影响的，可能会出现分类结果不稳定的现象。所以这个时候我们就要用判别分析去验证，之前的聚类是不是合适。具体的验证，其实就是我们讲的交叉验证的那5个内容，包括增加样本验证什么的，还有以其中一部分作为判别方程样本，另一小部分作为验证样本进行的交叉验证，然后回头看之前的聚类结果是否合理
类似于你是一个医生，每次病人来了之后，你根据自己之前的从医经验，觉得你去检查那几项，我就能知道你是病人还是好人。但事实上每个病人的情况都是很复杂的，而且你自己了解的内容是有限的，所以不能保证你所判别的病人和正常人，就一定是合理的。这个时候就需要对所有的病人和正常人放到一起建立判别方程，然后逐个重新检查一次，看看是否之前有别人被你判断错误了，就是这个意思。具体怎么做，还是我之前说过的交叉验证，交叉验证的5个方法事实上都是可以用的，具体怎么用，根据你样本的实际情况来决定

聚类分析我们知道有两种方法，比如我们事先不知道应该分为几类的时候，可以用分层聚类法，当知道需要分为几类的时候，用快速聚类法。但是这个分类的结果是否合理，是受到你采用的变量以及距离的测度方法等多个因素的影响的，可能会出现分类结果不稳定的现象。所以这个时候我们就要用判别分析去验证，之前的聚类是不是合适。具体的验证，其实就是我们讲的交叉验证的那5个内容，包括增加样本验证什么的，还有以其中一部分作为判别方程样本，另一小部分作为验证样本进行的交叉验证，然后回头看之前的聚类结果是否合理
类似于你是一个医生，每次病人来了之后，你根据自己之前的从医经验，觉得你去检查那几项，我就能知道你是病人还是好人。但事实上每个病人的情况都是很复杂的，而且你自己了解的内容是有限的，所以不能保证你所判别的病人和正常人，就一定是合理的。这个时候就需要对所有的病人和正常人放到一起建立判别方程，然后逐个重新检查一次，看看是否之前有别人被你判断错误了，就是这个意思。具体怎么做，还是我之前说过的交叉验证，交叉验证的5个方法事实上都是可以用的，具体怎么用，根据你样本的实际情况来决定

总之你记住，判别分析和聚类分析的结果都是不确定的
当样本量增多，当变量变化的时候，测度的距离方法不同，结果就会不同

正是因为结果的不稳定性，所以无论是聚类分析还是判别分析，一定是结果为王，只有你能解释清楚的时候，这个判别分析或者聚类分析才是合理的，所谓聚类和判别，它只是辅助你判别的，而不是决定你判别的，类似于我们去医院除了找人做相关检查之外，最终宣布什么病情，还是医生说了算，否则医生都下岗了，医院就只有实验员了。所以大家经常可以看到很多检查单上都写着，只对本次样本负责。说的就是这个意思，因为当样本量不一样的时候，结果就可能出现差异，当结果出现差异的时候，意味着可能会大于或者小于判别临界点，最终影响到结果的判定。

一统2012 发表于 2012-6-2 09:18
我在做一个31个省区的某个方面的分析 老师让我先聚类 然后在判别分析，我不是很理解，是不是先拿大多数省区 ...

这个是不是先根据31个省直辖市的数据进行聚类分析，然后再找新的31个省直辖市的数据根据聚类分析的结果进行判别分析

学习学习，长知识了