5聚类分析资料.ppt

第五章 聚类分析（提纲） 5.1 聚类分析概述 5.2 相似性计算方法 5.3 常用聚类方法 5.3.1 划分方法 k-means算法（k-均值算法） k-medoids算法（k-中心算法） 5.3.2 层次方法 AGNES算法（合并聚类法） DIANA算法（分裂聚类法） 5.4 孤立点分析 第五章 聚类分析（提纲） 5.1 聚类分析概述 5.2 相似性计算方法 5.3 常用聚类方法 5.3.1 划分方法 k-means算法（k-均值算法） k-medoids算法（k-中心算法） 5.3.2 层次方法 AGNES算法（合并聚类法） DIANA算法（分裂聚类法） 5.4 孤立点分析 5.1 聚类分析概述 聚类分析的定义 聚类分析(Cluster Analysis)是一个将数据集中的所有数据，按照相似性划分为多个类别（Cluster, 簇）的过程； 簇是相似数据的集合。 聚类分析是一种无监督(Unsupervised Learning)分类方法：数据集中的数据没有预定义的类别标号（无训练集和训练的过程）。 要求：聚类分析之后，应尽可能保证类别相同的数据之间具有较高的相似性，而类别不同的数据之间具有较低的相似性。 5.1 聚类分析概述 聚类分析在数据挖掘中的作用： 作为一个独立的工具来获得数据集中数据的分布情况； 作为其他数据挖掘算法的预处理步骤。 5.1 聚类分析概述 聚类分析在数据挖