DMCh数据挖掘算法——聚类分析.ppt

Introduced in Kaufmann and Rousseeuw (1990) Implemented in statistical analysis packages Inverse order of AGNES Eventually each node forms a cluster on its own DIANA (分裂式聚类分析) 什么是聚类分析? 聚类分析的数据类型 主要聚类分析方法分类 划分方法 层次方法 总结 Ch06 数据挖掘算法——聚类分析 聚类分析基于群组对象的相似性，具有广泛的应用领域 不同类型数据的相似性度量方法 聚类反复可以分为划分方法、层次方法、基于密度的反复、基于网格的反复和基于模型的方法 划分聚类分析 层次聚类分析 总结 思考题 1。 什么是聚类？简单描述划分的聚类方法(partitioning) 和层次的聚类方法(hierarchical)。 2。 聚类被普遍认为是一种重要的数据挖掘方法， 有着广泛的应用。对如下的每种情况给出一个应用 例子： (a). 把聚类作为主要的数据挖掘方法的应用。 (b). 采用聚类作为预处理工具， 为其它数据挖掘 任务作数据准备的应用。 * * * * * * * 第 * 页 Z S T U ZHEJIANG SCI-TECH UNIVERSITY 经济管理学院管理科学与工程系 本章学习目的 学习完本章后，需要了解和掌握的内容： 聚类的概念和聚类分析的过程 确定不同类型数据相似性度量 掌握一些主要的聚类方法 划分聚类分析方法 层次聚类分析方法 什么是聚类分析? 聚类分析的数据类型 主要聚类分析方法分类 划分方法 层次方法 总结 Ch06 数据挖掘算法——聚类分析 簇:数据对象的集合 聚类原则： 在同一个簇中的对象彼此相似 与其它簇中的对象相异 聚类分析 将数据集对象分类到簇中 聚类是无监督分类:没有预定义的分类 典型应用 作为独立工具获取数据分布的知识 作为其它算法的预处理步骤 (i.e., 关联分析和分类etc) 什么是聚类分析？ 模式识别 空间数据分析 图像处理 经济科学 (特别是市场研究) WWW：文档分类 聚类: -- 发现总体的分布模式 -- 发现数据属性中感兴趣的关联 聚类分析的典型应用 Marketing市场: Help market analysts discover distinct groups in their customer databases, and then use this knowledge to develop targeted marketing programs Land use国土利用: Identification of areas of similar land use in an earth observation database City-planning城市规划: Identifying groups of houses according to their house type, value, and geographical location Earth-quake studies地震研究: Observed earth quake epicenters(震中) should be clustered along continent faults(大陆断层) Etc… 聚类分析应用的一些例子 一个好的聚类方法应该形成高质量的簇： high intra-class similarity(类内高相似) low inter-class similarity(类间低相似) 聚类结果的质量依赖于聚类方法的相似性指标以及它的实现 聚类方法的质量通过它能发现一些或所有隐含模式的能力进行评估 什么是好的聚类 可扩展性 处理不同类型属性的能力 发现任意形状的簇 对于决定输入参数的领域知识需求最小 能处理噪声数据 增加聚类和对输入记录的次序不敏感 高维性 ( 3) 与用户定义的约束的协同能力 可解释性和可用性 数据挖掘对聚类的要求 什么是聚类分析? 聚类分析的数据类型 主要聚类分析方法分类 划分方法 层次方法 总结 Ch06 数据挖掘算法——聚类分析 数据矩阵 对象-变量(元组与属性) 结构(two modes:n x p) 相异度矩阵 对象-对象结构 (one mode) 两种典型的数据结构 如何度量相异性d(i, j) -- 相异性的度量 (距离的度量) 与数据类型相关: Interval-scaled type (区间标值型) Binary type(二元型) Categorical/Nominal type 标称型 Mixed types(上述类型的组合型) 聚