2.4使用K-均值算法进行聚类课件 人教中图版高中信息技术选择性必修4.pptxVIP

使用K-均值算法进行聚类

学习目标及任务

了解一种基于距离的聚类经典算法---k均值算法，能解释算法的关键环节。

通过剖析案例，了解聚类的基本概念，能举例说明算法的应用场景

某城市要举办一场大型画展，参展的各类画有上千幅。主办方希望根据画的类型，将他们安排到不同的展区。然而画的种类繁多，包括风景画水墨画油画，以及一些叫不出名字、不知其风格的画。

在画展中实现“画以类聚”

聚类算法

分类的前提是必须事先明确知道各个类别的信息，并且保证所有待分类项都有一个类别与之对应。

分类与聚类

聚类在社交网络上的应用

购物平台

短视频平台

手机上的推送

用户在使用手机应用时，系统会自动记录他们的消费习惯、阅读偏好、评论风格，然后按照“物以类聚，人以群分”的思想，将这款手机应用的用户聚合为不同的类型，然后对不同类型的用户“投其所好”，向他们推荐他们可能感兴趣的，从而获得潜在的收益。

聚类在社交网络上的应用

特征

聚类的本质

认识聚类

把特征相似的数据样本放到一起

根据样本间的相似度，将样本分到不同小组，每个小组中的样本特征尽可能相似，让不同小组的样本特征尽可能不相似

剖析k-均值聚类算法

计算特征相似度：

采集特征

形成特征值

计算特征值的距离

2

1

1

核心思想：给定组别数k，选k个组长，然后把所有待分