[高等教育]醫(yī)學(xué)數(shù)據(jù)挖掘第7章(已修改)
2025-01-31 18:37 本頁(yè)面
【正文】 第 7章 聚類分析 OUTLINES 一、引言 二、聚類標(biāo)準(zhǔn) 三、 kmeans算法 四、 EM算法 五、利用 Microsoft SQL Server 2022實(shí)踐聚類分析算法 2 醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 一、引言 ?對(duì)某城市年齡范圍為 25歲～ 55歲的中青年人群進(jìn)行調(diào)查。調(diào)查數(shù)據(jù)項(xiàng)包括年齡、性別等項(xiàng)。 3 醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 一、引言 4 血脂高的 都沒有冠心病 分類 1的血脂較高的人多，有冠心心臟病的人多； 而分類 6的血脂普遍正常，且都沒有冠心病。 醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 一、引言 ?聚類（ Cluster Analysis）是一個(gè)將數(shù)據(jù)集劃分為若干組或類的過(guò)程。將一組物理的或抽象的對(duì)象，根據(jù)它們之間的相似程度，分為若干組，其中相似的對(duì)象構(gòu)成一組，這一過(guò)程稱為聚類過(guò)程。 5 醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 一、引言 對(duì)在坐的各位同學(xué)進(jìn)行聚類， 你們看看可以分成哪些類？ 6 醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 一、引言 ?從上面的討論可以發(fā)現(xiàn) ? 知道分類的數(shù)目后更容易進(jìn)行劃分 ? 不知道分類數(shù)怎么辦？ ? 需要確定分類標(biāo)準(zhǔn) ? 如何把數(shù)據(jù)輸入計(jì)算機(jī)，如何讓計(jì)算機(jī)進(jìn)行計(jì)算？ ? 每個(gè)元素是否只能屬于某一類？ ? 軟聚類 ? 硬聚類 7 醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 二、聚類標(biāo)準(zhǔn) ?輸入模式可用向量表示，比較不同模式的相似性可轉(zhuǎn)化為比較兩個(gè)向量的距離，因而可用模式向量間的距離作為聚類判據(jù)。 ?傳統(tǒng)模式識(shí)別中常用到的兩種聚類判據(jù)是歐式最小距離法和余弦法。 8 醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 二、聚類標(biāo)準(zhǔn) ?歐氏距離法 9 )()( iTii XXXXXX ????X1＝（ 0,2） X2＝（ 0,0） 20)0 ,20(0)0 ,20( T21???? XX醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 二、聚類標(biāo)準(zhǔn) ?余弦法 10 iiTXXXX??c osX1＝（ 0,2） X2＝（ 5,0 ） ? ? ? ? 0525,00,2c os ???? T?醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 三、 kmeans算法 ?kmeans算法以距離值的平均值對(duì)聚類成員進(jìn)行分配，如果一個(gè)對(duì)象屬于一個(gè)聚類，則該數(shù)據(jù)一定比較靠近聚類的中心 11 醫(yī)學(xué)數(shù)學(xué)挖掘 —— SQL SERVER 2022 案例分析 三、 kmeans算法 ?對(duì)二維坐標(biāo)中的 5個(gè)點(diǎn)｛ X1,X2,X3,X4,X5｝作聚類分析。 5個(gè)二維樣本為： X1＝（ 0,2）， X
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1