聚類(lèi)分析ppt課件(2)(已修改)
2025-01-27 08:43 本頁(yè)面
【正文】 第 9 章 聚類(lèi)分析 第 9 章 什么是聚類(lèi)分析？ 聚類(lèi)分析中的數(shù)據(jù)類(lèi)型 基于劃分的聚類(lèi)方法 基于層次的聚類(lèi)方法 基于密度的聚類(lèi)方法 3 學(xué)習(xí)目的 ? 理解聚類(lèi)與分類(lèi)數(shù)據(jù)挖掘的區(qū)別。 ? 掌握聚類(lèi)的常用方法。 什么是聚類(lèi)分析 聚類(lèi) (Clustering)： ?聚類(lèi)是一個(gè)將數(shù)據(jù)集劃分為若干組（ class）或類(lèi)（ cluster）的過(guò)程，并使得同一個(gè)組內(nèi)的數(shù)據(jù)對(duì)象具有較高的相似度；而不同組中的數(shù)據(jù)對(duì)象是不相似的。 ? 相似或不相似是基于數(shù)據(jù)描述屬性的取值來(lái)確定的，通常利用各數(shù)據(jù)對(duì)象間的 距離 來(lái)進(jìn)行表示。 ?聚類(lèi)分析尤其適合用來(lái)探討樣本間的相互關(guān)聯(lián)關(guān)系從而對(duì)一個(gè)樣本結(jié)構(gòu)做一個(gè)初步的評(píng)價(jià)。 示 例 表中給出 9個(gè)顧客的購(gòu)買(mǎi)信息，包括購(gòu)買(mǎi)的商品的數(shù)量及價(jià)格，根據(jù)此兩個(gè)特征量，將顧客聚類(lèi)成 3類(lèi)（ 購(gòu)買(mǎi)大量的高價(jià)產(chǎn)品；購(gòu)買(mǎi)少量的高價(jià)產(chǎn)品；購(gòu)買(mǎi)少量的低價(jià)產(chǎn)品 ）。 示 例 聚類(lèi)是一個(gè)非常困難的事情，因?yàn)樵谝粋€(gè) n維樣本空間中，數(shù)據(jù)可以以不同的形狀和大小揭示類(lèi)。 如在二維歐幾里得空間中，上面數(shù)據(jù)可以分類(lèi)三個(gè)類(lèi)也可以分為四個(gè)類(lèi)，類(lèi)的數(shù)量的任意性是聚類(lèi)過(guò)程中的主要問(wèn)題。 什么是聚類(lèi)分析 聚類(lèi)與分類(lèi)的區(qū)別： ?聚類(lèi)是一 種 無(wú)（教師）監(jiān)督 的學(xué)習(xí)方法。與分類(lèi)不同，其不依賴(lài)于事先確定的數(shù)據(jù)類(lèi)別，以及標(biāo)有數(shù)據(jù)類(lèi)別的學(xué)習(xí)訓(xùn)練樣本集合。 ? 因此，聚類(lèi)是觀(guān)察式學(xué)習(xí)，而不是示例式學(xué)習(xí)。 什么是聚類(lèi)分析 聚類(lèi)分析的應(yīng)用： ?市場(chǎng)分析： 幫助市場(chǎng)分析人員從客戶(hù)基本庫(kù)中發(fā)現(xiàn)不同的客戶(hù)群，并用購(gòu)買(mǎi)模式刻畫(huà)不同的客戶(hù)群的特征； ?萬(wàn)維網(wǎng)： 對(duì) WEB日志的數(shù)據(jù)進(jìn)行聚類(lèi)，以發(fā)現(xiàn)相同的用戶(hù)訪(fǎng)問(wèn)模式； ?圖像處理； ?模式識(shí)別； ?孤立點(diǎn)檢測(cè)等。 什么是聚類(lèi)分析 什么是好的聚類(lèi)： ?一個(gè)好的聚類(lèi)方法將產(chǎn)生以下的高聚類(lèi)： ?最大化類(lèi)內(nèi)的相似性 ； ?最小化類(lèi)間的相似性 。 ?聚類(lèi)結(jié)果的質(zhì)量依靠所使用 度量 的相似性和它的執(zhí)行。 ?聚類(lèi)方法的質(zhì)量也可以用它發(fā)現(xiàn)一些或所有隱含模式的能力來(lái)度量。 聚類(lèi)分析中的數(shù)據(jù)類(lèi)型 ?基本的數(shù)據(jù)結(jié)構(gòu)； ?區(qū)間標(biāo)度變量； ?二元變量； ?符號(hào)型、順序型和比例數(shù)值型變量； ?混合數(shù)據(jù)類(lèi)型。 1. 基本的數(shù)據(jù)結(jié)構(gòu)？ 12 基本的數(shù)據(jù)結(jié)構(gòu) 許多基于內(nèi)存的聚類(lèi)算法選擇如下兩種具有代表性的數(shù)據(jù)結(jié)構(gòu)： （ 1）數(shù)據(jù)矩陣； （ 2）相異度矩陣 。 13 （ 1）數(shù)據(jù)矩陣 數(shù)據(jù)矩陣： 是一個(gè)對(duì)象 — 屬性結(jié)構(gòu)，由 n個(gè)對(duì)象組成，如：人；每個(gè)對(duì)象利用 p個(gè)屬性加以描述，如：年齡、身高、體重等。數(shù)據(jù)矩陣采用關(guān)系表形式或 n*p矩陣來(lái)表示： 14 （ 2）相異度矩陣 相異度矩陣（差異矩陣）： 是一個(gè)對(duì)象 — 對(duì)象結(jié)構(gòu)，存放 n個(gè)對(duì)象兩兩之間的近似性（差異性），采用 n*n的矩陣形式表示： 15 （ 2）相異度矩陣 相異度矩陣（差異矩陣）： 所以，矩陣呈現(xiàn)出上三角或下三角的形式。 16 注意： ?數(shù)據(jù)矩陣通常稱(chēng)為雙模（ twomode）矩陣：行和列分布表示不同的實(shí)體； ?相異度矩陣常被稱(chēng)為單模（ onemode）矩陣：行和列表示同一實(shí)體。 ?許多聚類(lèi)算法都是以 相異度矩陣 為基礎(chǔ)計(jì)算的，所以如果數(shù)據(jù)是以數(shù)據(jù)矩陣的形式給出的，則需要首先轉(zhuǎn)換為相異度矩陣，才可以利用聚類(lèi)算法來(lái)處理。 2. 區(qū)間標(biāo)度變量？ 18 什么是區(qū)間標(biāo)度變量 區(qū)間標(biāo)度變量 （間隔數(shù)值變量）： ?基本呈 直線(xiàn)比例的連續(xù)變量 ， 如：重量、高度和溫度等 。 為什么標(biāo)準(zhǔn)化？ ?通常，選用的度量單位將直接影響聚類(lèi)分析的結(jié)果， 如：將高度的度量單位由“米”變?yōu)椤坝⒊摺?，或?qū)⒅亓康膯挝挥伞扒Э恕弊優(yōu)椤坝㈡^”，可能會(huì)產(chǎn)生非常不同的聚類(lèi)結(jié)構(gòu) 。 ?一般，度量單位越小，變量可能的值域越大，對(duì)聚類(lèi)結(jié)果的影響也越大。因此，為避免對(duì)度量單位選擇的依賴(lài)，數(shù)據(jù)應(yīng)當(dāng)標(biāo)準(zhǔn)化。 19 度量值的標(biāo)準(zhǔn)化 為了實(shí)現(xiàn)標(biāo)準(zhǔn)化，一種方法是將初始測(cè)量值轉(zhuǎn)換為無(wú)單位變量。給定一個(gè)屬性變量 f，可用如下公式對(duì)其進(jìn)行標(biāo)準(zhǔn)化： （ 1）計(jì)算平均的絕對(duì)偏差 |)|...|||(|1 21 fnffffff mxmxmxns ???????其中 x1f, x2f,…,x nf是變量 f的 n個(gè)測(cè)量值； mf為變量 f的 均值，即： .)...211 nffff xx(xn m ????（ 2）計(jì)算標(biāo)準(zhǔn)化測(cè)量（ zscore）： 20 度量值的標(biāo)準(zhǔn)化 21 度量值的標(biāo)準(zhǔn)化 22 度量值的標(biāo)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1