第三章电子商务信息搜集10-09解析.ppt

3.利用k-means算法将以下用户分成两类 * * U 消费金额（万元） 未消费金额（万元） u1 1 1 u2 2 1 u3 1 2 u4 2 2 u5 4 3 u6 5 3 u7 4 4 u8 5 4 利用Apriori算法分析以下政务问答数据集的3项频繁集，并推出相应关联规则和置信度。 * * 序号 项目集 1 医疗，安全，就业 2 医疗，交通，社会福利 3 医疗，交通，社会福利，安全 4 交通，社会福利 构造子树根节点 * * 确定数据子集(3) 的根节点 计算数据子集(3)的先验熵 * * 数据子集(3)下windy属性的信息增益 1）计算数据子集(3)下windy属性取值的后验熵 * * No Windy Play 4 false yes 5 false yes 6 true no 10 false yes 14 true no 2）计算数据子集(3)下windy属性的条件熵 3）计算数据子集(3)下windy属性的信息增益 * * 数据子集(3)下temperature属性的信息增益 1）计算数据子集(3)下temperature属性取值的后验熵 * * No Temperature Play 4 mild yes 5 cool yes 6 cool no 10 mild yes 14 Mild no 2）计算数据子集(3)下temperature属性的条件熵 3）计算数据子集(3)下temperature属性的信息增益 * * 在数据子集（3）下，比较不同属性的信息增益，选出信息增益最大的属性字树根节点 因此，选择windy属性作为数据集（3）的树根节点 * * 构造子树根节点 rain,cool,normal,false ? no/yes? * * 3.4.2 K-means聚类算法 K-means聚类思想：根据“物以类聚”的思想，将 没有类别的样本聚集成不同的组（簇），使得簇内紧凑，簇间疏远。 * * * * 欧氏距离 给定数据集合X={xi | i=1,2,3,..,n},其中， xi的维度为d，即样本xi =（ xi1 , xi2 ,…., xi d）, 样本xj =（ xj1 , xj2 ,…., xj d）； 规定样本xi和xj欧氏距离为： * * k-means聚类算法采用误差平方和准则函数评价聚类性能。 假设数据集X包含k个聚类子集X1 ,X2,…,Xk ;各个聚类子集的聚类中心分别为 m1 .m2 …,mk ,则误差平方和准则函数为 * * k-means聚类算法描述： 输入： N个d 维聚类样本 ，聚类簇数 k 输出： k个聚类簇，使得误差平方和准则足够小或聚类簇不再发生变化 Step1:为每个聚类簇确定一个聚类中心 Step2:将样本集中的样本按照最小距离原则最邻近簇中； Step3:计算每个簇中样本的均值，并将其作为该簇的新聚类中心 Step4:重复step2, step3,直到误差平方和准则足够小或聚类中心不再发生变化 * * 例：利用k-means算法将以下用户分成两类 * * U 消费金额（万元） 未消费金额（万元） u1 0 2 u2 0 0 u3 1.5 0 u4 5 0 u5 5 2 （1）选择u1(0,2), u2(0,0)为初始簇中心，对应簇分别为C1, C2 即m1=u1=(0,2), m2=u2=(0,0) (2)对剩余的用户数据，根据其到每个簇中心 的距离，划分到不同簇中 对u3 则把 u3划分到簇C2中 * * 对u4 则把 u4划分到簇C2中 对u5 则把 u5划分到簇C1中 * * 得到新簇C1={u1,u5,}, C2={u2,u3,u4,} 计算平方误差准则 E1 =|0-0|2+|2-2|2 +|5-0|2+|2-2|2 =25 E2 =|0-0|2+|0-0|2 +|1.5-0|2+|0-0|2 +|5-0|2+|0-0|2 =27.25 E = E1 + E2 = 25+27.25=52.25 * * 计算簇的新聚类中心 m1=((0+5)/2, (2+2)/2)=(2.5,2) m2=((0+5+1.5)/3, (0+0+0)/3)=(2.17,0) * U 消费金额（万元） 未消费金额（万元） u1 0 2 u5 5 2 U 消费