解说05聚类分析.pptVIP

实现度量值的标准化：将原来的度量值转换为无单位的值。 为什么这么做? 选用的度量单位会直接影响聚类结果。例如千克改为克。一般，所用的单位越小，变量的值域就越大，对聚类的影响也越大。为了避免数据对度量单位的依赖，数据应当标准化。 * 即：两个相异的数量作为分子，相异的数量加两个为1（几率小的）的数量作为分母。（同对称二元变量相比，两个同为0的数量不出现在分母中） 聚类旨在发现有用的对象组（簇）。这里的有用性由数据挖掘目标定义；这里使用二维数据点作为数据对象。但，这些簇类型同样适合于其他数据。 有时候，使用一个阈值来说明簇中所有对象相互之间必须充分接近 仅当数据包含相互远离的自然簇时，簇的这种理想定义才能满足。 对于许多数据类型，原型可视为最靠近中心的点； 当簇不规则或缠绕时，簇的这种定义是有用的。但当数据出现噪声时就可能出现问题，如第二中，一个小的点桥就可能合并两个不同的簇。 该图数据通过对上一副图中的数据添加噪声创建的。两个圆形簇之间的点桥消失在噪声中，所以没有合并，曲线也消失在噪声中。 当簇不规则或互相盘绕，且有噪声和离群点时，比较适用。 基于中心的簇的对象都具有共同的性质：他们都离相同的质心或中心点最近 将数据空间划分成为有限个单元（Cell）的网格结构，基于网格结构进行聚类。 K均值用质心作为原型，其中质心是一组点的均值。用于N维连续空间中的对象。 K中心使用中心点作为