数据挖掘06-聚类教程文件.pptVIP

第五章 聚类分析 上海交通大学医学院 生物信息学平台 龚著琳 * 内容 一、聚类分析的功能 二、聚类分析的方法 三、聚类分析的应用 * 一、聚类分析的功能 聚类：将数据集划归为不同组别 作用： 获得数据的分布规律，进一步分析 数据预处理，为分类、关联规则等作准备 * 一、聚类分析的功能 与分类相同： 聚类的依据：特征属性 聚类过程：相似程度高的聚为一类 与分类不同： 无监督的学习 验证更复杂 聚类结果的质量 相似性 * 一、聚类分析的功能 相似性度量 数值型：距离 欧氏（Euclidean）距离：式5.1 曼哈顿（Manhattan）距离：式5.2 Minkowski 距离： Chebyshev 距离： Mahalanobis 距离： * 一、聚类分析的功能 相似性度量 例1： * 一、聚类分析的功能 相似性度量 分类型： 二值 式5.10/5.12 分类 式5.14 排序－转为数值型[0.0, 1.0] 混合 式5.17 * 一、聚类分析的功能 相似性度量（分类型） 二值：式5.10/5.12 对称型（男、女） 非对称型（阳性1、阴性0） 例：Xi={0, 0, 1, 1, 0, 1, 0, 1} Xj={0, 1, 1, 0, 0, 1, 0, 0} 对称型：D=3/8, S＝5/8 非对称型： D=3/5, S＝2/5（忽略特征值均为0的属性） * 一、聚类分析的功能 相似性度量（二值型-对称） 例2： 式5.10 式5.11 结论：1、2相似程度高 * 一、聚类分析的功能 相似性度量 分类型（多值、非排序） 式5.14 例3： N=1，单个属性 N=2 相似 相似 * 相似性度量 排序型：转为数值型后，式5.16 ，计算相似性 例4： 结论： 相似程度最高， 最不相似 大小说明相似程度不一样，可定量衡量 一、聚类分析的功能 * 一、聚类分析的功能 相似性度量 混合型，式5.17 例5.1： * 一、聚类分析的功能 相似性度量(混合型，式5.17) 例5.1： 相似程度最高 * 聚类方法 划分法 k-均值算法 k-中心点算法 分层 凝聚型分层聚类 分裂型分层聚类 基于密度的方法 基于网格的方法 基于模型的方法 二、聚类分析的方法 * 二、聚类分析的方法 分层聚类 * k-均值算法 随机选择若干样本作为初始的簇的质心（平均点） ； repeat 计算对象与各个簇的质心的距离，将对象划分到距离其最近的簇； 重新计算每个新簇的均值； until簇的质心不再变化。 二、聚类分析的方法 * k-均值算法 二、聚类分析的方法