- 1、本文档共20页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第9章 聚类分析
9.1聚类概述
9.1.1聚类简介
9.1.2聚类的定义
9.1.3聚类的要求
1. 可伸缩性
2. 处理不同类型属性的能力
3. 发现任意形状的聚类
4. 使输入参数的领域知识最小化
5. 处理噪声数据的能力
6. 对于输入记录的顺序不敏感
9.2聚类分析中的相异度计算
9.2.1聚类算法中的数据结构
1. 数据矩阵(或对象与变量结构)
2. 相异度矩阵(或对象-对象结构)
9.2.2区间标度变量及其相异度计算
1. 区间标度变量
2. 相异度计算
9.2.3二元变量及其相异度计算
1. 二元变量
2. 相异度计算
9.2.4标称型变量及其相异度计算
1. 标称型变量
2. 相异度计算
9.2.5序数型变量及其相异度计算
1. 序数型变量
2. 相异度计算
9.2.6比例标度型变量及其相异度计算
1. 比例标度型变量
2. 相异度计算
9.2.7混合类型变量的相异度计算
9.3基于划分的聚类方法
9.3.1k-平均算法
9.3.2k-中心点算法
9.4基于层次的聚类方法
1. 凝聚的方法
2. 分裂的方法
图9-1在数据集{a,b,c,d,e}上的凝聚和分裂层次聚类
9.5谱聚类方法
9.5.1谱聚类的步骤
9.5.2谱聚类的优点
9.5.3谱聚类实例
9.6利用SQL Server 2005进行聚类分析
9.6.1挖掘流程
图9-2选择数据挖掘技术
图9-3选择数据源视图
图9-4指定表类型
9.6.2结果分析
图9-5指定定型数据
图9-6指定列的内容和数据类型
图9-7完成数据挖掘结构的创建
图9-8分类剖面图
图9-9分类关系图
图9-10分类特征
图9-11分类对比
图9-12提升图
图9-13分类矩阵图
习题9
1. 简单地描述如何计算由如下类型的变量描述的对象间的相异度:
(a) 数值(区间标度)变量
(b) 非对称的二元变量
(c) 分类变量
(d) 比例标度变量
(e) 非数值向量对象
2. 假设数据挖掘的任务是将如下8个点聚类为3个簇:
A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C3(4,9),距离函数是欧几里得距离。假设初始选择A1,B1,C1分别为每个聚类的中心,用k-平均算法来给出:
(1) 在第一次循环执行后的三个聚类中心。
(2) 最后的三个簇。
3. k均值和k中心点算法都可以进行有效的聚类。概述k均值和k中心点算法的优缺点。并概述这两种方法与层次聚类方法(如AGNES)相比有何优缺点。
1
数据结构(C++版)
专业精品文档
☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆★精品文档★可以编辑★值得下载★☆☆☆☆☆☆☆☆☆☆☆☆☆ ☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆
1
☆☆☆☆☆☆☆☆☆☆★精品文档★可以编辑★值得下载★☆☆☆☆☆☆
文档评论(0)