作者：國工智能項(xiàng)目部—林鋒

前言

面對(duì)市場(chǎng)競(jìng)爭(zhēng)的日益激烈，制造企業(yè)想要得到客戶的認(rèn)可，不得不從價(jià)格優(yōu)勢(shì)轉(zhuǎn)向高質(zhì)量的產(chǎn)品優(yōu)勢(shì)。產(chǎn)品質(zhì)量的高低已經(jīng)關(guān)系到企業(yè)核心競(jìng)爭(zhēng)力的重要一環(huán)。如何有效地管理和利用這些從企業(yè)生產(chǎn)和經(jīng)營中產(chǎn)生的龐雜的質(zhì)量數(shù)據(jù)，是企業(yè)迫切需要解決的問題。
將數(shù)據(jù)挖掘技術(shù)應(yīng)用于生產(chǎn)過程質(zhì)量管理中，挖掘出生產(chǎn)過程中影響質(zhì)量的關(guān)鍵因素及其內(nèi)在聯(lián)系，有針對(duì)性地采取預(yù)防措施，從而提高產(chǎn)品質(zhì)量，為企業(yè)持續(xù)改善質(zhì)量提供決策支持。在實(shí)際工作中，為了避免漏掉某些重要因素，往往在一開始選取指標(biāo)的時(shí)候盡可能考慮所有的相關(guān)因素，而這樣做的結(jié)果，則是變量過多，變量間的相關(guān)度較高，給統(tǒng)計(jì)分析與建模帶來極大不便，因此人們希望能夠研究變量間的相似關(guān)系，按照變量的相似關(guān)系把他們聚合成若干類，進(jìn)而找出影響系統(tǒng)的主要因素，引入了變量聚類方法。

含義

根據(jù)不同變量之間相關(guān)程度高低進(jìn)行分類。研究中，若變量較多且相關(guān)較強(qiáng)時(shí)，可以使用變量聚類法把變量聚為幾個(gè)大類，同一類變量之間有較強(qiáng)相關(guān)性，不同類變量之間相關(guān)程度低，并可以從同類變量中找出一典型性變量作為代表，最終減少變量個(gè)數(shù)達(dá)到降維目的。

案例

有10種500毫升啤酒的成分和價(jià)格等數(shù)據(jù)，試用變量聚類對(duì)變量進(jìn)行聚類以達(dá)到縮減變量的目的，篩選出預(yù)測(cè)變量。數(shù)據(jù)的變量包括熱量、鈉含量、酒精含量、價(jià)格、麥芽濃度。

分析過程

從數(shù)據(jù)大腦中的組件面板查找變量聚類組件，拖到到工作面板，配置數(shù)據(jù)源以及變量聚類組件參數(shù)，點(diǎn)擊運(yùn)行。

分析結(jié)果

如何篩選聚類變量？現(xiàn)在我們有5個(gè)變量用來對(duì)啤酒分類，是否有必要將5個(gè)變量都納入作為分類變量呢？熱量、鈉含量、酒精含量，麥芽濃度這4個(gè)指標(biāo)是要通過化驗(yàn)員的辛苦努力來測(cè)定，而且還有花費(fèi)不少成本，如果都納入分析的話，豈不太麻煩太浪費(fèi)？所以，有必要對(duì)5個(gè)變量進(jìn)行聚類處理。
從結(jié)果樹狀圖中可以看出酒精含量與麥芽濃度兩個(gè)變量距離為0.0683，二者之間相關(guān)系數(shù)最大（相關(guān)系數(shù)等于1 - 距離）選其一即可，沒有必要都作為預(yù)測(cè)變量，導(dǎo)致成本增加。至于酒精含量和麥芽濃度選擇哪一個(gè)作為典型指標(biāo)來代替原來的兩個(gè)變量，可以根據(jù)專業(yè)知識(shí)或測(cè)定的難易程度決定。(與因子分析不同，是完全踢掉其中一個(gè)變量以達(dá)到降維的目的。)這里選用酒精含量，至此，確定出用于預(yù)測(cè)的變量為：酒精含量，鈉含量，熱量，價(jià)格。

與國工銷售預(yù)測(cè)系統(tǒng)相融合

在國工銷售預(yù)測(cè)系統(tǒng)中，對(duì)預(yù)測(cè)因素的整理就用到了變量聚類的算法。通過變量聚類算法對(duì)影響因素的歸納整理確定最終影響系統(tǒng)的主要因素，降低預(yù)測(cè)的成本。

適用范圍

變量聚類可以用來：分析特征相關(guān)性 ，對(duì)指標(biāo)進(jìn)行分類等。