电子社2023大数据分析与挖掘实验教程-课件ch4.pdf

大数据分析与挖掘实验教程 2 0 2 3 ——聚类与关联规则挖掘 配套教材 ： 《大数据分析与挖掘实验教程》 实 验 目 的 了解聚类与关联规 掌握聚类算法、关 使用Scikit-learn和 则挖掘的概念和应 联规则挖掘的基本 mlxtend进行聚类和 用场景 原理和实现方法 关联规则挖掘的实现 01 概念与应用场景 02 聚类算法的基本原理 CONT ENT 03 基于scikit-learn库实现聚类算法 实验 内容 04 关联规则挖掘的基本原理 ：Apriori算法 05 基于mlxtend库实现关联规则挖掘 “ 概 念 与 应 用 场 景 01 聚 类 聚类是一种对数据进行分类和分组的技术 ，其目的是将相似的数据对象归为一类 ，将不相 似的数据对象归为不同的类。聚类可以帮助我们了解数据的内在结构和分布规律 ，发现数据中 的相似性和差异性 ，以及对数据进行可视化和分析。聚类的应用场景非常广泛 ，例如 ： Ø 市场细分 ：将消费者按照其购买行为和偏好进行分类 ，从而实现有针对性的营销 ； Ø 社交网络分析 ：将用户按照其兴趣和行为进行分类 ，从而发现用户之间的联系和社交网 络的结构 ； Ø 图像分割 ：将图像中的像素按照其颜色或纹理特征进行分类 ，从而实现图像分割和 目标 检测。 关 联 规 则 挖 掘 关联规则挖掘是一种发现数据之间关联和联系的技术 ，其目的是从数据中发现频繁项集和 关联规则。频繁项集是指在数据集中经常同时出现的一组项 ，关联规则是指一组项之间存在的 关联关系。关联规则可以帮助我们了解数据之间的关联和联系 ，发现数据中的规律和趋势 ，以 及预测未来的趋势和行为。关联规则挖掘的应用场景非常广泛 ，例如 ： Ø 购物篮分析 ：发现不同商品之间的关联关系 ，从而提高交叉销售和推荐的效果 ； Ø 健康管理 ：发现不同健康指标之间的关联关系 ，从而预测疾病的风险和预防措施 ； Ø 交通管理 ：发现不同交通指标之间的关联关系 ，从而预测交通拥堵和优化交通路线。 “ 聚 类 算 法 的 基 本 原 理 02 聚 类 算 法 Ø K均值算法 ； Ø 层次聚类算法 ； Ø 其他聚类算法 ：DBSCAN算法、谱聚类算法等。 这些算法是聚类领域中的经典算法 ，具有简单、直观、易于实现的特点 ，广 泛应用于实际问题中。 K 均 值 算 法 K均值算法是一种基于距离度量的聚类算法 ，其基本思想是将数据集划分为K个不相交的簇