数据挖掘实验报告三

《数据挖掘实验报告三》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、实验三一、实验原理K-Means算法是一种clusteranalysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。在数据挖掘中，K-Means算法是一种clusteranalysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。算法原理：(1)随机选取k个中心点；(2)在第j次迭代中，对于每个样本点，选取最近的中心点，归为该类；(3)更新中心点为每类的均值；(4)j<-j+1,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步数，误差不变.空间复杂度o(N)时间复杂度o(I*

2、K*N)其中N为样本点个数，K为中心点个数，I为迭代次数二、实验目的：1、利用R实现数据标准化。2、利用R实现K-Meams聚类过程。3、了解K-Means聚类算法在客户价值分析实例中的应用。三、实验内容依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。对其进行标准差标准化并保存后，采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。编写R程序，完成客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数一、实验步骤1、依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。2、

3、确定要探索分析的变量3、利用R实现数据标准化。4、采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。一、实验结果客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数二、思考与分析使用不同的预处理对数据进行变化，在使用k-means算法进行聚类，对比聚类的结果。kmenas算法首先选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个数。这样做的前提是我们已经知道数据集中包含多少个簇.1.与层次聚类结合经常会产生较好的聚类结果的一个有趣策略是，首先采用层次凝聚算法决定结果粗的数目，并找到一个初始聚类，然后

4、用迭代重定位来改进该聚类。1.稳定性方法稳定性方法对一个数据集进行2次重采样产生2个数据子集，再用相同的聚类算法对2个数据子集进行聚类，产生2个具有k个聚类的聚类结果，计算2个聚类结果的相似度的分布情况。2个聚类结果具有高的相似度说明k个聚类反映了稳定的聚类结构，其相似度可以用来估计聚类个数。采用次方法试探多个k，找到合适的k值。2.系统演化方法系统演化方法将一个数据集视为伪热力学系统，当数据集被划分为K个聚类时称系统处于状态K。系统由初始状态K=1出发，经过分裂过程和合并过程，系统将演化到它的稳定平衡状态Ki，其所对应的聚类结构决定了最优类数Ki。系统演

5、化方法能提供关于所有聚类之间的相对边界距离或可分程度，它适用于明显分离的聚类结构和轻微重叠的聚类结构。