数据挖掘实验报告2015版..docVIP

实验报告 课程名称 　　 数据挖掘　 　 实验项目名称　 聚类分析 　　 　 班级与班级代码 　 12级计算机实验班　　 实验室名称（或课室） 实验楼804 　　　 专 业 计算机科学与技术（实验班） 任课教师 　　　　胡建军 　　　 学 号： XX 姓 名： XXX 实验日期： 　　2015 年 4 月 10 日 　 　 广东财经大学教务处 制 姓名 XXX 实验报告成绩 评语： 实验步骤是否正确 实验内容是否完整 实验结果是否正确 实验分析是否详细 心得体会是否深刻 格式是否符合要求 注：对号：正确、完整、详细、合理 半对号：部分正确、不完整、不详细、基本合理 错号：错误、缺失 指导教师（签名） 胡建军 2015年 4 月 20 日 说明：指导教师评分后，实验报告交院（系）办公室保存。 聚类分析 一、实验目的及要求： 1、目的 2、内容及要求 用SPSS对实验数据运用系统聚类法和K均值聚类法进行分析。 二、实验环境及用具： 仪器名称 规格/型号 数量 备注 计算机 版本win7 1 有网络环境 SPSS软件 版本17.0 1 汉化 三、实验方法与步骤: 准备工作：把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS数据文件中。 分析：由于本实验中要对31个个案进行分类，数量比较大，用系统聚类法当然也可以得出结果，但是相比之下在数据量较大时，K均值聚类法更快速高效，而且准确性更高，因此，在以下的分析过程中，先采用系统聚类法分析，得出相应结果和碎石图（即聚合系数随分类数变化的曲线图），根据碎石图来判定分几类比较合适，然后再用K均值聚类法进行聚类分析得出结果，比较两结果的异同，以得到比较可信的结果。 四、实验结果与数据处理： 1）用系统聚类法对所有个案进行聚类： 采用Z分数对数据进行标准化处理。 以下图一为聚类方法为“组间联接”时的冰柱图，图二为聚类方法为“Ward法”时的冰柱图，图三为聚类方法为“质心聚类法”时的冰柱图。 不难看出在分五类的情况下，（未标出的所有为一类） 图一的分类为：北京；天津；上海、浙江、广东；辽宁、四川、江苏、山东；…… 图二的分类为：北京；天津；上海、海南、浙江、广东；辽宁、四川、江苏、山东；……图三的分类为：北京；天津；上海、浙江、广东；辽宁、四川、江苏、山东；…… 聚类方法为“组间联接”与“质心聚类法”时分五类的情况是一样的，而聚类方法为“Ward法”时与它们两个有些许差别，但总的来说在分五类时，比较可信的结论是北京、天津单独为一类，辽宁、四川、江苏、山东为一类，上海、浙江、广东为一类，在海南省的划分上有些差异，“Ward法”中将其与上海、浙江、广东分为一类，但是其余两个将海南与未列出各省划为一类。 图一 图二 图三 2）系统聚类法分析时的碎石图： 聚类方法为“组间联接”时的碎石图： 聚类方法为“Ward法”时的碎石图： 聚类方法为“质心聚类法”时的碎石图： 由这三个图可以看出在聚类方法为“Ward法”时的碎石图不如另外两个图落差那么明显，但是综合这三个图来看，分五类还是相对比较合理的，这也是为什么在第一部分的分析中只看了分五类时的情况，而且在下面的K均值聚类分析中，也将指定聚类数为5. 3）K均值聚类： 在下页表一中显示了样品的分类情况，我们看到，K均值聚类法将所分析的31个省、市、自治区分为这样的五类： 1：北京； 2：福建、海南； 3：辽宁、江苏、山东、四川； 4：天津、上海、浙江、广东； 5：剩下的20个省、市、自治区。 对比之前系统聚类法的分析结果，我们可以明显感觉到二者的聚类结果还是有较大差异的，尽管如此，仍然有相似之处，在两种方法下，都是北京单独为一类，辽宁、四川、江苏、山东为一类，上海、浙江、广东在一类中，所以综合这两种方法得到的这些省、市、自治区的分类应该还是比较可信的。 表一 聚类成员 案例号 省份 聚类 距离 1 北京 1 .000 2 天津