自动集群侦测.pptVIP

自動集群偵測 韓 家 興 陳 君 彥 國立中興大學行銷研究所 自動集群偵測簡介 實際情況中，資料是相當複雜的 (沒有固定的型態、變數多、維度、複雜的結構) 集群分析主要的目的在於將複雜的資料區分為較小部分，讓每部分更容易解釋與簡化 如果區隔適當－則可從各集群中找更簡化的解釋方式 例如：樹木顏色的分類… 報告流程 兩個實際例子運用的介紹(天文學、軍服尺寸設計) K-means集群演算法—使用幾何方式的解釋方法 相似性與距離 集群事前的準備工作 單位的一致性 權重設定 其他集群方法 Gaussian mixture高斯演算法 Agglomerative clustering凝聚分析法 Divisive clustering階層式分裂演算法 Case study—報紙編輯區的分類 搜尋簡化的集群資料 Searching for Islands of Simplicity 資料採礦可分為： 有方向性－有一個應變數(Y)，其餘都是自變數(X) 沒有方向性－沒有任何分類好的變數，目的是找出所有變數中，是否存在某些關係 資料的可用性取決於使用者本身 在行銷中的應用上，集群代表了市場區隔的概念 自動集群偵測很少單獨使用，集群之後必須使用其他方法進一部加以分析集群所代表的意義 實際例子應用— 天文學(一閃一閃亮晶晶散佈圖) 實際例子應用—