数据仓库与数据挖掘实验四.docVIP

课内实验报告 课 程 名： 数据仓库与数据挖掘 任课教师： 专 业： 学 号： 姓 名： 二○一五至二○一六年度 第二学期 南京邮电大学 管理学院 《 数据仓库与数据挖掘 》课程实验第 4 次实验报告 实验内容及基本要求： 实验项目名称：测试K-means算法 实验类型： 验证型 每组人数： 1 实验内容及要求： 运用数据挖掘中的经典聚类算法——k-means完成花的聚类和电信客户细分，并对聚类结果进行分析。 实验结果： 对文本中的数据进行聚类分析，可以得到如下聚类结果，使用花蕊的长度，花蕊的宽度，花瓣的长度，花瓣的宽度为聚类标准，第一张表表示各个类中的类中心的花蕊的长度，花蕊的宽度，花瓣的长度，花瓣的宽度。第二张表表示各个因素对分类的贡献，其中花瓣的长度作用最大。第三张表中有误差平方和，其中误差平方和越小吗，表示每个类中的数据越紧密，越接近中心点，聚类更有效。 对excel中的客户进行细分 在使用iminer对excel中的数据进行聚类之前要先对excel表中的数据进行量化处理，首先使用excel中的筛选功能，对具有相似的数据进行相似的处理，根据数据在这一列中出现的次数，进行0-1之间的量化，量化结果如下，有下图可见，各类中的数据均得到量化，数据比较清楚。易于处理。 对excel中的数据使用iminer进行处理，首先使用缺失值处理，删除表中的缺失行，进行重复值检测，最后使用聚类。聚类结果如下： 通过条形图的形式，能够将聚类结果每个类别中各个细分变量属性值情况形象地表达出来。在各个变量属性条形图下方，标识出该类别的样本数目、缺失值、最大值、最小值、均值以及标准差的数据，这样可以更好地帮助我们理解条形图的含义。 将电信客户进行聚类，聚为三类，由第一个表格可知，电信客户中各个类的中心值，第二个表中则是各个因素对类中心的影响，最后一个表格中误差平方和总和为1043.55，第一类中的数据误差平方和最大，说明其分类方法不够相对于第二类第三类不够正确，因此对该excel进行分四类和五类操作。得到如下结果： 如上，分成四类其误差平方和为977.25，各类中的误差平方和第一类相对于其他类还是较大，由此第一类中的群体还是差异较大，因此采取分五类的做法，由第二张图可知，各类中的误差平方和差异不大，且误差平方总和也相对与分三类和分四类的做法小，因此分五类比较符合实际。 成绩评定： 该生对待本次实验的态度 □认真 □良好 □一般 □比较差。 本次实验的过程情况 □很好 □较好 □一般 □比较差 对实验结果的分析 □很好 □良好 □一般 □比较差 文档书写符合规范程度 □很好 □良好 □一般 □比较差 综合意见： 成绩 指导教师签名 日期 2016.6.8