对数据进行聚类分析实验报告.pdf

丹青不知老将至，贫贱于我如浮云。——杜甫

对数据进行聚类分析实验报告

基本要求

用FAMALE.TXT、MALE.TXT和/或test2.txt的数据作为本次实验使用的样本

集，利用C均值和分级聚类方法对样本集进行聚类分析，对结果进行分析，从而加

深对所学内容的理解和感性认识。

二、实验要求

1、把FAMALE.TXT和MALE.TXT两个文件合并成一个，同时采用身高和

体重数据作为特征，设类别数为2，利用C均值聚类方法对数据进行聚

类，并将聚类结果表示在二维平面上。尝试不同初始值对此数据集是否

会造成不同的结果。

2、对1中的数据利用C均值聚类方法分别进行两类、三类、四类、五类聚

类，画出聚类指标与类别数之间的关系曲线，探讨是否可以确定出合理

的类别数目。

3、对1中的数据利用分级聚类方法进行聚类，分析聚类结果，体会分级

聚类方法。。

4、利用test2.txt数据或者把test2.txt的数据与上述1中的数据合并在一起，

重复上述实验，考察结果是否有变化，对观察到的现象进行分析，写出

体会

三、实验步骤及流程图

根据以上实验要求，本次试验我们将分为两组：一、首先对FEMALE与MALE中

数据组成的样本按照上面要求用C均值法进行聚类分析，然后对FEMALEMALE

test2中数据组成的样本集用C均值法进行聚类分析，比较二者结果。二、将上述两

个样本用分即聚类方法进行聚类，观察聚类结果。并将两种聚类结果进行比较。

一、(1)、C均值算法思想

C均值算法首先取定C个类别和选取C个初始聚类中心，按最小距离原则将各模式

分配到C类中的某一类，之后不断地计算类心和调整各模式的类别，最终使各模式

到其判属类别中心的距离平方之和最小

(2))实验步骤

第一步：确定类别数C,并选择C个初始聚类中心。本次试验，我们分别将C的值取

为2和3。用的是凭经验选择代表点的方法。比如：在样本数为N时，分为

两类时，取第1个点和第INTN/21个点作为代表点；分为三类时，取第1、

丹青不知老将至，贫贱于我如浮云。——杜甫

、个点作为代表点；

INTN/31INT2N/31

第二步：将待聚类的样本集中的样本逐个按最小距离规则分划给C个类中的某一

类。

第三步：计算重新聚类后的个各类心，即各类的均值向量。

第四步：如果重新得到的类别的类心与上一次迭代的类心相等，则结束迭代，否

则转至第二步。

第五步：迭代结束时，换不同的初始值进行试验，将实验结果进行比较

（3）、实验流程图

（4））本次试验我们用的聚类指标是误差平方和聚类准则J