我很高兴我的第一本书得以印刷使用 JMP 进行生物统计学。编写这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。 对于数据挖掘和寻找数据的意义，集群在我的项目中对我非常有益。
在联合管理计划，有两种可用的聚类方法：层次聚类和 k 均值。 层次聚类比较每个点之间的距离，并根据点的相似性（或相异性）将点分组在一起。 K-means 的运作方式不同，旨在找到K适用于数据的质心，但您必须指定K作为要查找的分组数。
简单的例子
内置的 JMP 数据集“出生死亡子集”是数据集的一个示例，该数据集不是太大，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 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，我们会发现大多数国家都位于图的左下角，出生率和死亡率之间普遍存在负相关关系。 但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，并且解释的方差很小。 那么我们能用这个做什么呢？
Raw scatterplot of dataRaw scatterplot of dataRaw scatterplot of dataRaw 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。 要对此数据执行聚类分析，我们可以遵循我的书第 11 章中的流程使用 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簇的数量。 虽然您想要搜索的集群数量是主观的，但请记住，太少会给出粗略的分组，而太多则会让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。 点击去您将看到很多结果（我没有在此处显示）。
为了快速分析这些结果，我们可以做一些事情：
- 将与簇关联的颜色保存到数据表中。
- 使用聚类和颜色重新绘制数据。
单击 K Means NCluster = 3 旁边的红色三角形即可使用这两个选项。 确保首先保存颜色以获得最有影响力的结果。
通过将簇显示为浅阴影椭圆，并且为每个簇对点进行颜色编码，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变化很大的国家相关（顺便说一下，大多数国家发达国家）。
- 浅蓝色与低死亡率相关，但出生率变化很大（顺便说一句，大多数情况下）发展国家）。
- 红色与两个出生率和死亡率较高的国家（阿富汗和扎伊尔）相关。
尽管当我们第一次打开数据集时这一点并不明显，但我们现在有了一个引人注目的故事。 通过将数据、解释和可视化相结合，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 dataSame data, but with coloring for clusters, which now provides a meaningful interpretation of the dataSame data, but with coloring for clusters, which now provides a meaningful interpretation of the dataSame data, but with coloring for clusters, which now provides a meaningful interpretation of the data相同的数据，但具有集群着色，现在提供了对数据有意义的解释
