商务智能考试重点题型不看后悔..docVIP

数据库逻辑模型设计 OLAP操作 Kmeans算法 1 属性 2 1 1 1 2 2 1 3 1 2 4 2 2 5 4 3 6 5 3 7 4 4 8 5 4 根据所给的数据通过对其实施k-means (设n=8，k=2),，其主要执行执行步骤： 第一次迭代：假定随机选择的两个对象，如序号1和序号3当作初始点，分别找到离两点最近的对象，并产生两个簇{1，2}和{3，4，5，6，7，8}。对于产生的簇分别计算平均值，得到平均值点。对于{1，2}，平均值点为（1.5，1）;对于{3，4，5，6，7，8}，均值点为（3.5，3）。 第二次迭代：通过平均值调整对象的所在的簇，重新聚类，即将所有点按离平均值点（1.5，1）、（3.5，1）最近的原则重新分配。得到两个新的簇：{1，2，3，4}和{5，6，7，8}。重新计算簇平均值点，得到新的平均值点为（1.5，1.5）和（4.5，3.5）。 第三次迭代：将所有点按离平均值点（1.5，1.5）和（4.5，3.5）最近的原则重新分配，调整对象，簇仍然为{1，2，3，4}和{5，6，7，8}，发现没有出现重新分配，而且准则函数收敛，程序结束。 迭代次数 平均值 平均值 产生的新簇 新平均值 新平均值 （簇12） （簇1） （簇2） 1 （1，1） （1，2） {1，2}，{3，4，5，6，7，8} （1.5，1） （3.5，3） 2 （1.5，1） （3.5，3） {1，2，3，4}，{5，6，7，8} （1.5，1.5） （4.5，3.5） 3 （1.5，1.5） （4.5，3.5） {1，2，3，4}，{5，6，7，8} （1.5，1.5） （4.5，3.5） K-mode算法 迭代次数 平均值 平均值 产生的新簇 新平均值 新平均值 （簇12） （簇1） （簇2） 1 (1,1,1,1,2) （2,2,2,1,3） {1,4,8}、{2,3,5,6,7} （1,1,1,1,1) (2,2,2,3,3) 2 （1,1,1,1,1) (2,2,2,3,3) {1,4,8}、{2,3,5,6,7} （1,1,1,1,1) (2,2,2,3,3) K最近邻算法 性别 身高(米) 类别 Kristina 女 1.6 矮 Jim 男 2 高 Maggie 女 1.9 中等 Martha 女 1.88 中等 Stephanie 女 1.7 矮 Bob 男 1.85 中等 Kathy 女 1.6 矮 Dave 男 1.7 矮 Worth 男 2.2 高 Steven 男 2.1 高 Debbie 女 1.8 中等 Todd 男 1.95 中等 Kim 女 1.9 中等 Amy 女 1.8 中等 Wynette 女 1.75 中等 K=5，对Pat，女，1.6分类。 对T前K=5个记录，N={Kristina，女， 1.6、 Jim，男，2、 Maggie，女，1.9、 Martha，女，1.88和 Stephanie，女，1.7}。 对第6个记录d= Bob，男，1.85，得到N={Kristina，女，