我很高兴能出版我的第一本书，使用 JMP 进行生物统计学。编写本书的部分工作是探索和解释我用于高级分析的许多方法。 对于数据挖掘和在数据中寻找意义，聚类在我的项目中对我非常有益。
在JMP ，有两种聚类方法很容易获得：层次聚类和 k-means。 层次聚类比较每个点之间的距离，并根据它们的相似性（或不相似性）将点分组在一起。 K-means 的运作方式不同，旨在找到ķ适合数据的质心，但您必须指定ķ作为要查找的分组数。
简单示例
内置的 JMP 数据集“出生死亡子集”是不太大的数据集的一个示例，但显示了聚类的使用。 在那里，我们有两个变量，粗出生率和死亡率，以及对 33 个国家的观察结果。 然而，仅仅看数据很难找到有意义的解释。 如果我们将这两个变量绘制在一起，我们会看到大多数国家被分组在图的左下角，出生率和死亡率之间普遍存在负相关关系。 但是潜在的关系并不那么强，并且该数据的回归模型在统计上并不显着，并且几乎没有解释方差。 那么我们能用这个做什么呢？
Raw scatterplot of data数据的原始散点图
如果我们使用聚类来处理这些数据，我们可以开始看到更有意义的解释。 要对这些数据进行聚类分析，我们可以按照我的书第 11 章中的流程进行使用 JMP 进行生物统计学：实用指南. 简而言之，在 JMP 13 中，您需要选择分析 ► 聚类 ► K 均值聚类.
现在您必须指定要查找的集群数量。 虽然您要搜索多少个集群是主观的，但请记住，太少会给出粗略的分组，太多会使您处于与开始时相同的情况。 对于此分析，我们将寻找三个集群。 点击去你会看到很多结果（我没有在这里展示）。
为了快速分析这些结果，我们可以做一些事情：
- 将与集群关联的颜色保存到数据表中。
- 用簇和颜色重新绘制数据。
通过单击 K 均值 NCluster = 3 旁边的红色三角形，可以使用这两个选项。 确保首先保存颜色以获得最有影响力的结果。
将集群作为浅阴影椭圆并为每个集群进行颜色编码，我们现在可以在数据中看到一些有趣的分组：
- 浅绿色与出生率低但死亡率差异很大的国家有关（顺便说一句，主要是发达国家）。
- 浅蓝色与低死亡率有关，但出生率的变化很大（顺便说一句，主要是发展国家）。
- 红色与出生率和死亡率高的两个国家（阿富汗和扎伊尔）有关。
虽然这在我们第一次打开数据集时并不明显，但我们现在有了一个引人入胜的故事。 结合数据、解释和可视化，人们现在可以轻松地向更广泛的受众讲述这个故事。
Same data, but with coloring for clusters, which now provides a meaningful interpretation of the data相同的数据，但为集群着色，现在提供了对数据的有意义的解释
