第9章rapidminer-k-means聚類辨別分析v1-文庫吧資料
2025-07-06 12:02本頁面
【正文】 量之間的數(shù)量關(guān)系，建立判別函數(shù)（discriminant function），然后便可以利用這一數(shù)量關(guān)系對其他已知特征變量信息、但未知分組類型所屬的案例進(jìn)行判別分組。判別分析（Discriminant Analysis，簡稱DA）技術(shù)是由費舍（R．A．Fisher）于1936年提出的。最終，他希望可以就每個運動員可能最應(yīng)選擇專攻哪個體育項目，向他們提供建議。 通過多年來與運動員之間的合作，Gill 整理了一個內(nèi)容非常廣泛的數(shù)據(jù)集。 對于學(xué)院的男生，他側(cè)重于四個主要體育項目，即 橄欖球、籃球、棒球和曲棍球。 操作符流程視圖 結(jié)果集過濾參數(shù)設(shè)置第三步：輸出結(jié)果點擊運行， 篩選類別后的輸出結(jié)果 這樣我們的主人公，就可以根據(jù)顯示輸出的結(jié)果，來重點關(guān)注疾病的高發(fā)人群，從而有針對性的進(jìn)行服務(wù)。 數(shù)據(jù)基本信息第一步：對數(shù)據(jù)進(jìn)行聚類將數(shù)據(jù)拖拽到操作視圖界面，檢索“kMeans”操作符并將其與數(shù)據(jù)進(jìn)行連接，然后與輸出端口連接，點擊運行，我們可以看到如圖 運行結(jié)果， 中，我們可以設(shè)計聚成的k的類數(shù)，以及“max runs”最大循環(huán)迭代的次數(shù)。 其中沒有看起來不一致的值（切記前面關(guān)于使用標(biāo)準(zhǔn)差查找統(tǒng)計離群點的備注）。我們可以看到先前定義的三個屬性有 547 個觀察項。 我們應(yīng)切記在構(gòu)建模型時，均值尤其容易受到極端離群點的不當(dāng)影響，因此在使用 K 均值聚類數(shù)據(jù)挖掘方法時查看是否存在不一致的數(shù)據(jù)至關(guān)重要。 和在許多數(shù)據(jù)集中的典型做法一樣，性別屬性使用 0 來表示女性，并使用 1 來表示男性。 為了實現(xiàn)目標(biāo)，她需要在數(shù)以千計的保單持有人中搜索具有類似特征的群體，并制定相關(guān)且對這些不同的群體有吸引力的項目和溝通方式。 她還了解可能存在高體重和低膽固醇、高體重 和 高膽固醇，以及低體重和高膽固醇的保單持有人。Sonia 的目標(biāo)是確定由公司提供保險服務(wù)且因體重和/或高膽固醇患冠心病的風(fēng)險非常高的人員，并試圖聯(lián)絡(luò)這些人員。 于是她開始提議公司為健康保險客戶提供體重和膽固醇管理項目。 她閱讀的研究文件一次又一次地確認(rèn)這三個變量之間存在關(guān)聯(lián)。—利用KMeans 聚類確定患冠心病的高風(fēng)險人群 背景和概要說明Sonia 在一家主要健康保險公司擔(dān)任項目總監(jiān)。（3） F值評價法這是基于上述RI方法衍生出的一個方法，F(xiàn)評價公式如下： （911）其中。表示被聚類集合對象的總數(shù)。表示第k個聚類的集合。組內(nèi)的相似性越大，組間差別越大，聚類效果就越好。 聚類分析算法評價聚類分析僅根據(jù)樣本數(shù)據(jù)本身將樣本分組。分群2的時間間隔、消費次數(shù)和消費金額處于中等水平。分群3特點：R分布在30~60天之間；消費次數(shù)集中在1~10次；消費金額在200~800。圖9 2分群1的概率密度函數(shù)圖圖9 3分群2的概率密度函數(shù)圖圖9 4分群3的概率密度函數(shù)圖客戶價值分析：分群1特點：R主要集中在10~30天之間；消費次數(shù)集中在5~30次；消費金額在1600~2000。執(zhí)行KMeans聚類算法輸出的結(jié)果見表9 6。根據(jù)這些數(shù)據(jù)將客戶分類成不同客戶群，并評價這些客戶群的價值。連續(xù)屬性的SSE計算公式為： (95)文檔數(shù)據(jù)的SSE計算公式為： (96)簇的聚類中心計算公式為： (97)表9 4 符號表符號含義K聚類簇的個數(shù)第個簇對象（樣本）簇的聚類中心第個簇中樣本的個數(shù)下面結(jié)合具體案例來實現(xiàn)本節(jié)開始提出問題。（2） 文檔數(shù)據(jù)對于文檔數(shù)據(jù)使用余弦相似性度量，先將文檔數(shù)據(jù)整理成文檔—詞矩陣格式，如表9 3。度量樣本之間的相似性最常用的是歐幾里得距離、曼哈頓距離和閔可夫斯基距離；樣本與簇之間的距離可以用樣本到簇中心的距離；簇與簇之間的距離可以用簇中心的距離。2. 數(shù)據(jù)類型與相似性的度
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1