數(shù)據(jù)挖掘聚類課件

第7章聚類分析本章目標◆辯別類有不同表示法和相似度的不同量度標◆比較凝聚聚類和分區(qū)聚類算法的基本特征◆用相似度的單鏈接或全鏈接度量標準實現(xiàn)凝聚算法推導分區(qū)聚類的K一平均法并分析其復雜性◆解釋增量聚類算法的實現(xiàn)和它的優(yōu)缺點第7章聚類分析1◆聚類分析是依據(jù)樣本間關(guān)聯(lián)的量度標準將其自動分成幾個群組,且使同一群組內(nèi)的樣本相似,而屬于不同群組的樣本相異的一組方法。聚類分析的個附加的結(jié)果是對每個類的綜合描述,這種結(jié)果對于更進一步深入分析數(shù)據(jù)集的特征是尤其重要◆聚類分析是依據(jù)樣本間關(guān)聯(lián)的量度標26.1聚類概念◆聚類的樣本是用度量指標的一個向量表示,或更正式的說法是,用多維空間的一個點來表示同類中的樣本比屬于不同類的樣本彼此具有更高的相似性。聚類方法尤其適合用來探討本間的相互關(guān)聯(lián)關(guān)系從而對一個樣本結(jié)構(gòu)做一個初步的評價。人們能夠?qū)蛉S的樣本進行聚類分析,但是大多數(shù)現(xiàn)實問題涉及到更高維的聚6.1聚類概念3◆例如:下表是一個簡單聚類例子,包含了9個顧客的信息,分三類,兩個特征值(數(shù)量,價類1:購少量高價商品,類2:購大量的高價品表6-1包含相似對象的類的樣本集商品的數(shù)量英800210025類,20◆例如:下表是一個簡單聚類例子,包含了9個4◆聚類是一個非常難的問題,因為在一個n維的樣本空間數(shù)據(jù)可以以不同的形狀和大小揭示類◆下面基于歐幾里得二維空間的聚類過程的a)初始數(shù)據(jù)b)數(shù)據(jù)的三個類c)數(shù)據(jù)的四個類圖6-1二維空間的點的聚類分析◆聚類是一個非常難的問題,因為在一個n維的5數(shù)據(jù)挖掘聚類課件6數(shù)據(jù)挖掘聚類課件7數(shù)據(jù)挖掘聚類課件8數(shù)據(jù)挖掘聚類課件9數(shù)據(jù)挖掘聚類課件10數(shù)據(jù)挖掘聚類課件11數(shù)據(jù)挖掘聚類課件12數(shù)據(jù)挖掘聚類課件13數(shù)據(jù)挖掘聚類課件14數(shù)據(jù)挖掘聚類課件15數(shù)據(jù)挖掘聚類課件16數(shù)據(jù)挖掘聚類課件17數(shù)據(jù)挖掘聚類課件18數(shù)據(jù)挖掘聚類課件19數(shù)據(jù)挖掘聚類課件20數(shù)據(jù)挖掘聚類課件21數(shù)據(jù)挖掘聚類課件22數(shù)據(jù)挖掘聚類課件23數(shù)據(jù)挖掘聚類課件24數(shù)據(jù)挖掘聚類課件25數(shù)據(jù)挖掘聚類課件26數(shù)據(jù)挖掘聚類課件27數(shù)據(jù)挖掘聚類課件28數(shù)據(jù)挖掘聚類課件29數(shù)據(jù)挖掘聚類課件30數(shù)據(jù)挖掘聚類課件31數(shù)據(jù)挖掘聚類課件32數(shù)據(jù)挖掘聚類課件33數(shù)據(jù)挖掘聚類課件34數(shù)據(jù)挖掘聚類課件35數(shù)據(jù)挖掘聚類課件36數(shù)據(jù)挖掘聚類課件37數(shù)據(jù)挖掘聚類課件38數(shù)據(jù)挖掘聚類課件39數(shù)據(jù)挖掘聚類課件40數(shù)據(jù)挖掘聚類課件41數(shù)據(jù)挖掘聚類課件42數(shù)據(jù)挖掘聚類課件43數(shù)據(jù)挖掘聚類課件44數(shù)據(jù)挖掘聚類課件45數(shù)據(jù)挖掘聚類課件46數(shù)據(jù)挖掘聚類課件47數(shù)據(jù)挖掘聚類課件48數(shù)據(jù)挖掘聚類課件49第7章聚類分析本章目標◆辯別類有不同表示法和相似度的不同量度標◆比較凝聚聚類和分區(qū)聚類算法的基本特征◆用相似度的單鏈接或全鏈接度量標準實現(xiàn)凝聚算法推導分區(qū)聚類的K一平均法并分析其復雜性◆解釋增量聚類算法的實現(xiàn)和它的優(yōu)缺點第7章聚類分析50◆聚類分析是依據(jù)樣本間關(guān)聯(lián)的量度標準將其自動分成幾個群組,且使同一群組內(nèi)的樣本相似,而屬于不同群組的樣本相異的一組方法。聚類分析的個附加的結(jié)果是對每個類的綜合描述,這種結(jié)果對于更進一步深入分析數(shù)據(jù)集的特征是尤其重要◆聚類分析是依據(jù)樣本間關(guān)聯(lián)的量度標516.1聚類概念◆聚類的樣本是用度量指標的一個向量表示,或更正式的說法是,用多維空間的一個點來表示同類中的樣本比屬于不同類的樣本彼此具有更高的相似性。聚類方法尤其適合用來探討本間的相互關(guān)聯(lián)關(guān)系從而對一個樣本結(jié)構(gòu)做一個初步的評價。人們能夠?qū)蛉S的樣本進行聚類分析,但是大多數(shù)現(xiàn)實問題涉及到更高維的聚6.1聚類概念52◆例如:下表是一個簡單聚類例子,包含了9個顧客的信息,分三類,兩個特征值(數(shù)量,價類1:購少量高價商品,類2:購大量的高價品表6-1包含相似對象的類的樣本集商品的數(shù)量英800210025類,20◆例如:下表是一個簡單聚類例子,包含了9個53◆聚類是一個非常難的問題,因為在一個n維的樣本空間數(shù)據(jù)可以以不同的形狀和大小揭示類◆下面基于歐幾里得二維空間的聚類過程的a)初始數(shù)據(jù)b)數(shù)據(jù)的三個類c)數(shù)據(jù)的四個類圖6-1二維空間的點的聚類分析◆聚類是一個非常難的問題,因為在一個n維的54數(shù)據(jù)挖掘聚類課件55數(shù)據(jù)挖掘聚類課件56數(shù)據(jù)挖掘聚類課件57數(shù)據(jù)挖掘聚類課件58數(shù)據(jù)挖掘聚類課件59數(shù)據(jù)挖掘聚類課件60數(shù)據(jù)挖掘聚類課件61數(shù)據(jù)挖掘聚類課件62數(shù)據(jù)挖掘聚類課件63數(shù)據(jù)挖掘聚類課件64數(shù)據(jù)挖掘聚類課件65數(shù)據(jù)挖掘聚類課件66數(shù)據(jù)挖掘聚類課件67數(shù)據(jù)挖掘聚類課件68數(shù)據(jù)挖掘聚類課件69數(shù)據(jù)挖掘聚類課件70數(shù)據(jù)挖掘聚類課件71數(shù)據(jù)挖掘聚類課件72數(shù)據(jù)挖掘聚類課件73數(shù)據(jù)挖掘聚類課件74數(shù)據(jù)挖掘聚類課件75數(shù)據(jù)挖掘聚類課件76數(shù)據(jù)挖掘聚類課件77數(shù)據(jù)挖掘聚類課件78數(shù)據(jù)挖掘聚類課件79數(shù)據(jù)挖掘聚類課件80數(shù)據(jù)挖掘聚類課件81數(shù)據(jù)挖掘聚類課件82數(shù)據(jù)挖掘聚類課件83數(shù)據(jù)挖掘聚類課件84數(shù)據(jù)挖掘聚類課件85數(shù)據(jù)挖掘聚類課件86數(shù)據(jù)挖掘聚類課件87數(shù)據(jù)挖掘聚類課件88