数据挖掘实验报告三.docxVIP

Southwest university of science and technology 数 据 挖 掘 课 程 报 告 使用数据挖掘工具进行聚类分析 学 院 名 称 专 业 名 称 学 生 姓 名 学 号 指 导 教 师  计 算 机 科 学 与 技 术 学 院 计 算 机 科 学 与 技 术 吴 珏 2016 年 11 月 实验三 一． 实验目的 利用 R 实现数据标准化。 利用 R 实现 K-Meams 聚类过程。 二． 实验内容 1、 依据航空公司客户价值分析的 LRFMC 模型提取客户信息的 LRFMC 指标。对其 进行标准差标准化并保存后，采用 k-means 算法完成客户的聚类，分析每类的客 户特征，从而获得每类客户的价值。编写 R 程序，完成客户的 k-means 聚类，获 得聚类中心与类标号，并统计每个类别的客户数。 三． 实验步骤 1、 依据航空公司客户价值分析的 LRFMC 模型提取客户信息的 LRFMC 指标。 打开 D:/dmex/ex3/示例程序/code/data_clean.R 程序并运行 结果如图所示: 2.确定要探索分析的变量 打开 D:/dmex/ex3/示例程序/ data_explore.R 并运行 结果如图所示 3. 利用 R 实现数据标准化。 打开程序 D:/dmex/ex3/示例程序/code/ zscore_data 并运行 得到结果如下: 4. 采用 k-means 算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。 打开 D:/dmex/ex3/示例程序/kmeans_cluster.R 程序并运行 运行结果如图所示 四． 思考与分析 1、使用不同的预处理对数据进行变化，在使用 k-means 算法进行聚类，对比聚类的结果。 1）K 如何确定 kmenas 算 法首先选择 K 个初始质心，其中 K 是用户指定的参数，即所期望的簇的个 数。这样做的前提是我们已经知道数据集中包含多少个簇，但很多情况下，我们并不知道 数据的分布情况，实际上聚类就是我们发现数据分布的一种手段，这就陷入了鸡和蛋的矛 盾。如何有效的确定 K 值，这里大致提供几种方法，若各位有更好的方法，欢迎探讨。 1.与层次聚类结合[2] 经常会产生较好的聚类结果的一个有趣策略是，首先采用层次凝聚算法决定结果粗的 数目，并找到一个初始聚类，然后用迭代重定位来改进该聚类。 2.稳定性方法[3] 稳定性方法对一个数据集进行 2 次重采样产生 2 个数据子集，再用相同的聚类算法 对 2 个数据子集进行聚类，产生 2 个具有 k 个聚类的聚类结果，计算 2 个聚类结果的相似 度的分布情况。2 个聚类结果具有高的相似度说明 k 个聚类反映了稳定的聚类结构，其相 似度可以用来估计聚类个数。采用次方法试探多个 k，找到合适的 k 值。 3.系统演化方法[3] 系统演化方法将一个数据集视为伪热力学系统，当数据集被划分为 K 个聚类时称系 统处于状态 K。系统由初始状态 K=1 出发，经过分裂过程和合并过程，系统将演化到它的 稳定平衡状态 Ki，其所对应的聚类结构决定了最优类数 Ki。系统演化方法能提供关于所有 聚类之间的相对边界距离或可分程度，它适用于明显分离的聚类结构和轻微重叠的聚类结 构。