数据挖掘和分析27_W18A.pptVIP

聚类分析 2014.12.23 第十八周 什么是聚类分析？ Cluster Analysis 将数据划分成有意义或有用的组（簇） 捕获数据的自然结构（旨在理解） 解决其他问题的起点（旨在实用） 根据在数据中发现的描述对象及其关系的信息，将数据分组 目标：组内相似性（同质性、相关性）越大、组间的越小、聚类就越好 聚类分析的应用 旨在理解 将对象划分成组或类（聚类） 指派特定对象到组或类（分类） 簇：潜在的类 旨在实用 个别数据对象到簇的抽象 刻画簇特征的簇原型（代表簇中其他对象的数据对象） 什么是簇？Notion of a Cluster can be Ambiguous 以下是否是聚类分析？ 监督分类 Supervised classification 已有类别标号 （聚类有时也称作非监督分类） 简单分组Simple segmentation 按照学生姓名分组 查询结果Results of a query 基于外部条件的查询结果 图的划分Graph partitioning 聚类的方式 Clusterings 聚类(clustering) : 整个簇集合 层次的 hierarchical 与 划分的 partitional 划分的聚类 Partitional Clustering 数据对象被划入不重叠的子集 (簇，clusters) ，使得每个数据对象仅属于一个子集 层次的聚类 Hierarchical clustering 簇有子簇，簇之间存在树形的层次嵌套关系 划分的聚类 Partitional Clustering 层次聚类 Hierarchical Clustering 不同的聚类类型 互斥的 Exclusive versus non-exclusive In non-exclusive clusterings, points may belong to multiple clusters. Can represent multiple classes or ‘border’ points 模糊的 Fuzzy versus non-fuzzy In fuzzy clustering, a point belongs to every cluster with some weight between 0 and 1 Weights must sum to 1 Probabilistic clustering has similar characteristics 完全的与部分的 Partial versus complete In some cases, we only want to cluster some of the data Heterogeneous versus homogeneous Cluster of widely different sizes, shapes, and densities 簇的类型 明显分离的 Well-separated clusters 基于原型（中心）的Center-based clusters 基于临近的 Contiguous clusters 基于密度的 Density-based clusters 共同性质的（概念簇）Property or Conceptual 簇的类型: 明显分离的 Well-Separated A cluster is a set of points such that any point in a cluster is closer (or more similar) to every other point in the cluster than to any point not in the cluster. 簇的类型: 基于中心（原型）的 A cluster is a set of objects such that an object in a cluster is closer (more similar) to the “center” of a cluster, than to the center of any other cluster The center of a cluster is often a 质心 centroid, the average of all the points in the cluster, or a 中心点 medoid, the most “representative” point of a cluster 簇的类型: 基于临近的 簇中的每个对象到该簇的某个对象的距离比到不同簇的任意点更近 A cluster is a set of p