8、聚类分析与异常检测在医疗数据中的应用

聚类分析与异常检测在医疗数据中的应用

1. 聚类分析方法概述

聚类分析是探索性数据挖掘和机器学习中的重要方法，但在临床研究中应用较少。常见的聚类方法有层次聚类、K - 均值聚类和两步聚类。

1.1 K - 均值聚类

K - 均值聚类与层次聚类的方向相反。它不是从每个患者自成一个聚类开始，而是随机选择聚类中心，然后通过迭代找到最适合数据的中心。该方法的一个重要假设是聚类大小相等，这与层次聚类不同。

操作步骤如下：
1. 打开 SPSS，选择“Analyze” -> “Classify” -> “K - means Cluster Analysis”。
2. 在“Variables”中输入项目得分 1 - 9。
3. 在“Label Cases by”中选择患者编号作为字符串变量。
4. 设置“Number of clusters”为 3（用于与其他方法比较）。
5. 点击“Method”，勾选“Iterate”。
6. 点击“Iterate”，设置“Maximal Iterations”为 10，“Convergence criterion”为 0。
7. 点击“Continue”。
8. 点击“Save”，勾选“Cluster Membership”。
9. 点击“Continue”。
10. 点击“Options”，勾选“Initiate cluster centers”、“ANOVA table”和“Cluster information for each case”。
11. 点击“Continue”，然后点击“OK”。