6.3.1聚類分析《財(cái)務(wù)大數(shù)據(jù)分析》教學(xué)課件

財(cái)務(wù)大數(shù)據(jù)分析第六章

大數(shù)據(jù)在投資者角度分析與決策中的應(yīng)用物以類聚”智者觀物，固非以一物視之，別之以類，格而致知，推而及其他者也?！?3聚類算法應(yīng)用聚類分析1生活中的聚類2聚類分析概述3K-Means聚類算法一、生活中的聚類科學(xué)研究社會(huì)調(diào)查衣食住行一、生活中的聚類在市場營銷中，基于消費(fèi)者背景和歷史交易信息將顧客進(jìn)行劃分，對不同類型的消費(fèi)者進(jìn)行不同的營銷策略。一、生活中的聚類在投資過程中，為了降低風(fēng)險(xiǎn)，應(yīng)盡量選擇較為平衡的投資組合。在現(xiàn)有條件下，對一系列投資產(chǎn)品從不同方面進(jìn)行歸類。二、聚類分析概述概念：通過觀察個(gè)體的特征，將群體中的個(gè)體歸為不同的族群/簇的歸類過程。過程：針對幾個(gè)特定的業(yè)務(wù)指標(biāo)，將觀察對象的群體按照相似性和相異性進(jìn)行不同群組的劃分。經(jīng)過劃分后，每個(gè)群組內(nèi)部對象的相似度會(huì)很高，而在不同群組間具有很高的相異度。二、聚類分析概述聚類分析步驟相似性度量40%選取數(shù)據(jù)20%聚類算法60%有效性檢驗(yàn)80%聚類結(jié)果100%相似性度量40%選取數(shù)據(jù)20%三、K-Means聚類算法含義：K-means聚類算法也稱k均值聚類算法，是集簡單和經(jīng)典于一身的基于距離的聚類算法。它采用距離作為相似性的評價(jià)指標(biāo)，即認(rèn)為兩個(gè)對象的距離越近，其相似度就越大。三、K-Means聚類算法步驟一：選擇初始數(shù)據(jù)集，經(jīng)過相似性度量假設(shè)K=2。隨機(jī)選擇兩個(gè)k類所對應(yīng)的類別質(zhì)心，即圖中的紅色質(zhì)心和藍(lán)色質(zhì)心。三、K-Means聚類算法步驟二：分別計(jì)算所有樣本中的點(diǎn)到這兩個(gè)質(zhì)心的距離，并標(biāo)記每個(gè)樣本的類別為和該樣本距離最小的質(zhì)心的類別，得到所有樣本點(diǎn)的第一輪迭代后的類別。三、K-Means聚類算法步驟三：對當(dāng)前標(biāo)記為紅色和藍(lán)色的點(diǎn)分別求其新的質(zhì)心，如圖所示，新的紅色質(zhì)心和藍(lán)色質(zhì)心的位置已經(jīng)發(fā)生了變動(dòng)。三、K-Means聚類算法步驟四：再次計(jì)算所有樣本中的點(diǎn)到這兩個(gè)質(zhì)心的距離，并標(biāo)記每個(gè)樣本的類別為和該樣本距離最小的質(zhì)心的類別，得到所有樣本點(diǎn)的第二輪迭代后的類別。三、K-Means聚類算法步驟五：對當(dāng)前標(biāo)記為紅色和藍(lán)色的點(diǎn)再次分別求其新的質(zhì)心，最終我們得到的兩個(gè)類別如圖所示。質(zhì)心的位置變化不大，趨于穩(wěn)定，聚類已