k-means算法實(shí)驗(yàn)報(bào)告

1、哈爾濱工業(yè)大學(xué)數(shù)據(jù)挖掘理論與算法實(shí)驗(yàn)報(bào)告(2014 年度秋季學(xué)期)課程編碼S1300019C授課教師高 宏學(xué)生姓名趙天學(xué)號(hào)14S學(xué)院 電氣工程及自動(dòng)化學(xué)院一、實(shí)驗(yàn)內(nèi)容設(shè)計(jì)實(shí)現(xiàn) k 均值聚類算法。二、實(shí)驗(yàn)設(shè)計(jì)2 k=2 k=4 聚類， 分析比較實(shí)驗(yàn)結(jié)果。三、實(shí)驗(yàn)環(huán)境及測(cè)試數(shù)據(jù)實(shí)驗(yàn)環(huán)境：Windows7 操作系統(tǒng)，Python2.7 IDLE測(cè)試數(shù)據(jù)：隨機(jī)生成 3 個(gè)點(diǎn)集，點(diǎn)到中心點(diǎn)距離服從高斯分布：集合大小中心坐標(biāo)半徑11005,52210010,6231008,102四、實(shí)驗(yàn)過程編寫程序隨機(jī)生成測(cè)試點(diǎn)集，分別聚成 2, 3, 4 類，觀察實(shí)驗(yàn)結(jié)果多次 4 聚類，觀察實(shí)驗(yàn)結(jié)果五、實(shí)驗(yàn)結(jié)果初始隨機(jī)

2、點(diǎn)：2 聚類迭代-平方誤差1234561337677639634633633聚類中心與類中點(diǎn)數(shù)9.06，9.06，8.291915.05，5.011093 聚類123456789101112810692690688686681565385369.4369.83703704.99，5.05108,4.99，5.05108,7.92，10.489310.15，6.169927 344.8972912737.95，,10.56904.89，5.001038.41，6.313810.75，6.1,469多次 4 聚類迭代 27 次352.194.95，5.031069.79，6.03937.85，10.509012.71，8.1611迭代 8 次356.1910.15，6.16997.92，10.48935.54，5.01674.09，5.1041迭代 7 次352.3510.39，6.04874.91，4.981038.00，10.79797.71，7.6931六、遇到的困難及解決方法、心得體會(huì)K-Means 初值對(duì)最終的聚類結(jié)果有影響，不同初值，可能會(huì)有不同的聚類結(jié)果， 也就是說，K-Means 收斂于局部最優(yōu)點(diǎn)K-Means 趨向于收斂到球形，每類樣本數(shù)相近K-Means 隨著 k 的增加，平方誤差會(huì)降低，但聚類效果未