5.3.3+4聚類分析與數(shù)據(jù)分類 課件 2021-2022學(xué)年高中信息技術(shù)粵教版

5.3.3+4聚類分析與數(shù)據(jù)分類《數(shù)據(jù)與計(jì)算》P113-118數(shù)據(jù)的特征探索系統(tǒng)日志采集法網(wǎng)絡(luò)數(shù)據(jù)采集法（網(wǎng)絡(luò)爬蟲(chóng)）其他數(shù)據(jù)采集法數(shù)據(jù)分析的步驟1.概念：是一種探索性的分析，在分類的過(guò)程中，人們不必事先給出一個(gè)分類的標(biāo)準(zhǔn)，聚類分析能夠從樣本數(shù)據(jù)出發(fā)，自動(dòng)進(jìn)行分類。2.特點(diǎn)：不需要先給定分類標(biāo)準(zhǔn)能夠自動(dòng)進(jìn)行分類達(dá)到“物以類聚、人以群分”的效果3.常用的算法：k-Means算法中文名：K-平均算法特點(diǎn)：自下而上的聚類分析方法一、聚類分析3.k-Means算法的基本算法及流程圖初始化隨機(jī)選擇K個(gè)點(diǎn)作為中心聚類點(diǎn)依次計(jì)算其余數(shù)據(jù)點(diǎn)與中心點(diǎn)的距離將數(shù)據(jù)點(diǎn)分配給最近的中心點(diǎn)計(jì)算每個(gè)聚集中心的平均值，即為中心點(diǎn)重復(fù)步驟②-④，滿足下列條件時(shí)，結(jié)束聚類。中心點(diǎn)的位置變化小于指定的閾值（默認(rèn)為0.0001）達(dá)到最大迭代次數(shù)得到最大的頻繁項(xiàng)集一、聚類分析從文件讀取數(shù)據(jù)初始化聚類中心（隨機(jī)）計(jì)算其余數(shù)據(jù)點(diǎn)與中心點(diǎn)的距離將數(shù)據(jù)點(diǎn)分配到最近的中心點(diǎn)中心點(diǎn)的位置變化小于指定的閾值開(kāi)始結(jié)束否否是計(jì)算每個(gè)聚集的平均值，即中心點(diǎn)好友關(guān)系聚類從文件讀取數(shù)據(jù)初始化聚類中心（隨機(jī)）計(jì)算其余數(shù)據(jù)點(diǎn)與中心點(diǎn)的距離將數(shù)據(jù)點(diǎn)分配到最近的中心點(diǎn)中心點(diǎn)的位置變化小于指定的閾值開(kāi)始結(jié)束否否是計(jì)算每個(gè)聚集的平均值，即中心點(diǎn)4.案例賞析一、聚類分析4.案例賞析：層次關(guān)系聚類一、聚類分析一、聚類分析

【項(xiàng)目練習(xí)】運(yùn)行程序5-6-1聚類分析（教材范例），體驗(yàn)聚類分析。需要的數(shù)據(jù)存儲(chǔ)在comany.CSV文件中，包括“客戶年齡”、“平均每次消費(fèi)金額”、“平均消費(fèi)周期(天)。由于一起對(duì)3個(gè)數(shù)據(jù)的關(guān)系進(jìn)行分析很難操作，所以分別選取2個(gè)類別進(jìn)行比較。程序運(yùn)行結(jié)果如下圖:圖1：圖2：圖3：圖1圖2圖3紅五星表示普通用戶，消費(fèi)金額偏低。矩形表示消費(fèi)金額較高，為高級(jí)用戶。藍(lán)色為超級(jí)用戶。紅五星消費(fèi)時(shí)間不定，消費(fèi)金額不高。矩形表示消費(fèi)金額中等，消費(fèi)時(shí)間穩(wěn)定。藍(lán)色表示消費(fèi)額高，消費(fèi)時(shí)間短。年齡-消費(fèi)時(shí)間圖。點(diǎn)陣雜亂無(wú)章，兩者關(guān)系不強(qiáng)。1.思路：先基于樣本數(shù)據(jù)訓(xùn)練構(gòu)建分類函數(shù)或者分類模型（分類器）；然后用分類器將待分類數(shù)據(jù)進(jìn)行分類。2.應(yīng)用：預(yù)測(cè)（數(shù)據(jù)分類、回歸分析）基于樣本數(shù)據(jù)記錄根據(jù)分類準(zhǔn)則自動(dòng)對(duì)未知數(shù)據(jù)進(jìn)行推廣描述從而實(shí)現(xiàn)對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)3.常用的方法：貝葉斯分類技術(shù)事件發(fā)生的概率二、數(shù)據(jù)分類客戶特征A特征B特征C重要客戶182.881.630重要客戶180.486.129重要客戶170.077.130重要客戶180.474.828普通客戶152.445.324普通客戶167.668.026普通客戶165.258.925普通客戶175.268.027

【項(xiàng)目練習(xí)】如下表所示是某網(wǎng)絡(luò)商城客戶購(gòu)物行為特征的一組統(tǒng)計(jì)資料。已知某客戶購(gòu)物行為特征A的數(shù)值為182.8，特征B為數(shù)值58.9，特征C為數(shù)值26，請(qǐng)問(wèn)這是重要客戶還是普通客戶？二、數(shù)據(jù)分類程序運(yùn)行結(jié)果為0，表示這人是普通客戶程序5-7-1數(shù)據(jù)分析結(jié)果二、數(shù)據(jù)分類

【項(xiàng)目練習(xí)】運(yùn)行“程序5-7-1數(shù)據(jù)分類.py”，修改代碼，將某客戶購(gòu)物行為特征A的數(shù)值為182.8，特征B為數(shù)值58.9，特征C為數(shù)值26，查看該用戶的類別。結(jié)果如下圖所示。如果有兩位客戶的購(gòu)物行為，那他們屬于重要客戶還是普通客戶呢？客戶1：特征A的數(shù)值為182.8特征B為數(shù)值74.8特征C為數(shù)值26客戶2：特征A的數(shù)值為182.8特征B為數(shù)值74.8特征C為數(shù)值27三、課堂小結(jié)聚類分析數(shù)據(jù)分類聚類分析k-Means算法：自下而上的聚類分析方法特點(diǎn)不需要先給定分類標(biāo)準(zhǔn)達(dá)到“物以類聚、人以群分”的效果數(shù)據(jù)分類特點(diǎn)需要先構(gòu)建分類器（分類標(biāo)準(zhǔn)）可用于預(yù)測(cè)貝葉斯分類技術(shù)：事件發(fā)生的概率四、課堂練習(xí)1.某超市曾經(jīng)研究銷(xiāo)售數(shù)據(jù)，發(fā)現(xiàn)購(gòu)買(mǎi)方便面的顧客購(gòu)買(mǎi)火腿腸、鹵蛋等商品的概率很大，進(jìn)而調(diào)整商品擺放位置。這種數(shù)據(jù)分析方法是（ ）A.聚類分析 B.分類分析 C.關(guān)聯(lián)分析 D.回歸分析2.下列關(guān)于聚類分析的說(shuō)法，錯(cuò)誤的是()A.可以從數(shù)據(jù)點(diǎn)集合中隨機(jī)選擇K個(gè)點(diǎn)作為初始的聚集中心B.對(duì)其他的每個(gè)數(shù)據(jù)點(diǎn)，以此判斷其與K個(gè)中心點(diǎn)的距離，距離最近的表明它屬于這項(xiàng)聚類C.聚類分析，必須先設(shè)定分類的標(biāo)準(zhǔn)，否則無(wú)法準(zhǔn)確分類D.重新計(jì)算新的聚簇集合的平均值既中心點(diǎn)CC四、課堂練習(xí)3.聚類分析的算法有很多，其中最經(jīng)典的自下而上的聚類分析方法是（）。A.特征探索B.關(guān)聯(lián)分析 C.K-Means算法D.數(shù)據(jù)分類4.K-平均算法屬于數(shù)據(jù)分類方法。（）5.下列（）數(shù)據(jù)分析方法能達(dá)到“物以類聚、人以群分”的效果A.聚類分析 B.數(shù)據(jù)分類