聚类分析 数据挖掘课程设计.doc

数据挖掘课程设计 一．实验目的 1） 请根据所给的天津各区县经济和教育数据分别做聚类分析，并给出你的结论分析。 2） 聚类分析结果时候与你的直观感受相符合？如果不符，请解释并给出解决方法。 二．实验过程及结果分析 本实验采用聚类分析来对各个区县进行分类，这里我使用SPSS 20来进行聚类分析。 输入各区县经济数据如下图： 使用SPSS 进行K均值聚类分析，分为六类，得到如下结果： 初始聚类中心 聚类 1 2 3 4 5 6 总产值 464.13 215.47 290.69 540.14 5030.11 114.68 最终聚类中心 聚类 1 2 3 4 5 6 总产值 464.13 214.67 321.07 521.51 5030.11 114.68 每个聚类中的案例数 聚类 1 1.000 2 4.000 3 5.000 4 4.000 5 1.000 6 1.000 有效 16.000 缺失 .000 上图中的第三列(QCL_1)即为分类情况，说明如下： 北辰区分为一类，标记为1；河东区、宝坻区、宁河县、蓟县分为一类，标记为2；南开区、河北区、津南区、武清区、静海县分为一类，标记为3；和平区、河西区、东丽区、西青区分为一类，标记为4；滨海新区为一类，标记为5；红桥区分为一类，标记为6 。 结果分析： 分类结果从整体来看还是比较合理的。滨海新区这一地区产值非常高，毫无疑问是单独的一类；红桥区产值最低，也分为一类，这个与我的直观感受不太相符，作为天津市市内六区之一的红桥区，产值最低，分为一类，我觉得很不可思议，问题可能是数据量不够大，或者说评价指标太少，这里我们只有一个评价指标（总产值），导致结果具有偶然性，适当增加评价指标应该可以增加结果的准确性。 输入各区县教育数据（中学数量和中学在校生以及教师数量）如下图： 使用SPSS 对这三个变量进行K均值聚类分析，分为六类，得到如下结果： 初始聚类中心 聚类 1 2 3 4 5 6 教育_中学数量 83 65 48 26 51 13 中学教师数 5585 4454 3917 2703 2691 1269 在校生人数 60484 52563 45156 25436 36912 13099 最终聚类中心 聚类 1 2 3 4 5 6 教育_中学数量 83 65 48 26 51 18 中学教师数 5585 4454 4010 2232 2691 1285 在校生人数 60484 52563 44844 23540 36912 15217 每个聚类中的案例数 聚类 1 1.000 2 1.000 3 2.000 4 6.000 5 1.000 6 5.000 有效 16.000 缺失 1.000 上图中的第五列(QCL_1)即为分类情况，说明如下： 滨海新区分为一类，标记为1；蓟县分为一类，标记为2；武清区、宝坻区分为一类，标记为3；和平区、河东区、河西区、南开区、河北区、宁河县分为一类，标记为4；静海县分为一类，标记为5；红桥区、东丽区、西青区、津南区、北辰区分为一类，标记为6 。 结果分析： 分类结果从整体来看还是比较合理的。滨海新区这一地区教育资源非常雄厚，应该与这个地方的经济总产值有很大的关系。另外，静海县和蓟县，这两个地方的学校数量和学生数量及教师数量都很多，资源也比较雄厚，这与我的直观感受不太相符，他们并不是天津市市内六区。原因可能是这两个地方对教育的重视程度高于其他县市。我们这里的评价指标有三个，还算比较充分。原因应该是区县政府对教育的重视程度不同。不过有个问题，学校数量多并不能表示教育水平高，教师数量多也不一定能代表教师质量高。这里给出的数据只有数量，没有具体的能够反应质量的数据，因此结果存在一定的偏差。