厦门大学数据挖掘数据的排序即有向聚类分析PPT课件.pptxVIP

厦门大学数据挖掘数据的排序即有向聚类分析;§5.1引言;数据排序必须要有研究对象，即我们是对属性项(变量)进行排序，还是对事务项(样本)进行排序，这一点必须要明确.研究对象要根据问题的研究目的和内容来确定.

在明确了排序的对象后，进行排序前还要确定一个排序标准，标准不一样，排序的结果不一样.排序标准的确定不是那么轻而易举的，如果标准确定不好，不仅反映不出实际问题，而且还有可能误导人们对问题的认识.因此，排序标准的确定既要建立在一定的理论基础上，而且又要有一定的实际背景.这方面的内容我们将在后面详细探讨.;随着对数据的进一步考虑，我们将会发现，排序后数据之间的“距离”(包括相似的概念，以后不再强调)并不相等，也就是排序后数据的稀疏程度不均匀.由于数据量过大，我们自然要关心的是对一个数据集合进行分析，这样就提出了如何对排序资料进行聚类分析.;我们知道聚类分析源于许多研究领域，包括数据挖掘、统计学、生物学以及机器学习，但对有序样品的聚类分析的理论内容并不多(胡国定，张润楚(1989),286-319)，而且所研究的内容立足点是，已知变量(或样品)具有一定的顺序，其顺序在聚类中是不能打乱的，即只能按其顺序分成若干类.例如，欲了解儿童的生长发育规律，对所获得的儿童的体重按发育阶段进行分类，这里很清楚，只能按年龄由小到大分成若干个发育阶段，如果按不同的年龄(非顺序性)将儿童的体重进行聚类分析，这样的结果不适合生长发育规律的要求.这类有序变量(或样品)是客观现实中存在的，这种有序我们称为客观有序.

;对于非有序数据进行聚类分析，这在数据挖掘中已经成为一个非常活跃的研究课题(Trespv,V.(2001),VanHulle,M.M.(2000),Gardner,M.,

Lalmas,M.andRuthven,I.(2001),Friedman,J.H.(1997)).但是根据我们研究的内容和聚类的目的，将数据排序后，再进行聚类分析，这样不仅会对聚类的结果有更细致深刻的认识，还会大大提高聚类的运算速度.在这里我们所涉及到的有序数据是根据某一研究的目的排列而成的，这种有序我们称为目的有序.;§5.2.1以信息源为标准的排序;24/10/11;§5.2.2以???合属性项为标准的排序;24/10/11;24/10/11;24/10/11;24/10/11;§5.2.3移动通讯用户综合费用排序;图1-a图1-b

移动通讯用户消费概率分布与综合属性评价分布比较;图2

移动通讯用户消费综合属性评价排序;24/10/11;通过分析我们可以挖掘出以下知识：

i).以此排序结果看，该地区移动手机用户平均消费最大的综合评价指标值是0.9865，即本地话费在3档上(100-300元)，长途话费和漫游费的消费在2档上(0-100元).从总体上，该地区的移动手机用户的本地话费消费群体集中在3档，长途话费和漫游费的消费群体集中在2档上，处于中低档消费水平.

ii).这里需要特别说明的是，所有的1档消费群体综合评价指标值为0.0513，排在第13位，这些消费者虽然拥有手机但没有消费，它直接影响着该地区移动通讯的业务总收入量，这部分消费者具有潜在流失倾向，公司应该针对此情况采取措施.我们对以后的几个月进行分析，发现这种情形越发严重.这种异常现象的发现，充分体现了数据挖掘的特点.;§5.3属性项(变量)的排序标准;§5.3.1以平均水平为标准的排序;24/10/11;24/10/11;§5.3.2以秩效应为标准的排序;24/10/11;24/10/11;24/10/11;24/10/11;§5.4数据的衍生;24/10/11;§5.4.2相异度矩阵;24/10/11;24/10/11;24/10/11;§5.5有序近邻聚类分析;24/10/11;24/10/11;24/10/11;§5.5.2Fisher最优求解法与有序近邻方法的比较;24/10/11;24/10/11;24/10/11;24/10/11;24/10/11;24/10/11;24/10/11;24/10/11;24/10/11;24/10/11;24/10/11;§5.6有序平均秩效应聚类分析;24/10/11;24/10/11;;24/10/11;;;24/10/11;24/10/11;通过上面的计算结果我们可以挖掘出一下知识：