數(shù)據(jù)挖掘與數(shù)據(jù)分析 第八章課后習(xí)題及答案

第八章課后習(xí)題答案詳解1.已知樣本點(diǎn)間的相似度如下表所示，使用此數(shù)據(jù)進(jìn)行最大距離和平均距離凝聚層次聚類，并繪制樹狀圖顯示結(jié)果。p1p2p3p4p5p6p1p2p3p4p5p61.000.370.320.450.210.550.371.000.640.470.980.730.320.641.000.430.840.350.450.470.431.000.760.480.210.980.840.761.000.830.550.730.350.480.831.00答：讀取數(shù)據(jù)：#導(dǎo)入相應(yīng)的包library(ggdendro)library(ggplot2)#導(dǎo)入數(shù)據(jù)raw<-read.csv("C:\\Users\\HP\\Desktop\\Clustering.csv",encoding="UTF-8")head(raw)輸出：層次聚類并繪制樹狀圖：#使用函數(shù)hclust()實(shí)現(xiàn)層次聚類#使用dist()函數(shù)計(jì)算距離hc<-hclust(dist(raw[,]),method="average")#利用dendro函數(shù)進(jìn)行聚類結(jié)果的轉(zhuǎn)化#提取數(shù)據(jù)df<-dendro_data(hc,type="rectangle")df1<-df$segmentsdf2<-df$labelshead(df1)輸出：#繪制樹狀圖ggplot()+geom_segment(data=df1,aes(x=x,y=y,xend=xend,yend=yend))+geom_text(data=df2,aes(x=x,y=y,label=label))輸出：上述是使用平均距離進(jìn)行的凝聚層級聚類，如果用最大距離來計(jì)算，就是將“average”替換成“complete”，代碼如下：hc<-hclust(dist(raw[,]),method="complete")2.凝聚層次聚類和分裂層次聚類有什么區(qū)別?答：在給定n個(gè)對象的數(shù)據(jù)集后，可通過層次聚類對數(shù)據(jù)集進(jìn)行層次分解，直到滿足某種收斂條件為止。層次聚類根據(jù)層次分解順序的不同可以分為：凝聚層次聚類和分裂層次聚類，它們的區(qū)別主要在于：凝聚層次聚類采用一種自下向上的策略，它首先將每個(gè)樣本點(diǎn)看成單獨(dú)的一類，然后找出距離最小的兩個(gè)類進(jìn)行合并，不斷重復(fù)直到所有樣本都合并成一類，或者達(dá)到一個(gè)收斂，即滿足某個(gè)終止條件。分裂層次聚類與凝聚層次聚類相反，采用一種自頂向下的策略，它首先將所有樣本當(dāng)作一類，然后找出距離最遠(yuǎn)的兩個(gè)類進(jìn)行分裂，不斷重復(fù)直到每個(gè)樣本自成一類，或者達(dá)到某個(gè)終止條件。3.凝聚層次聚類和分裂層次聚類對應(yīng)算法流程包含哪幾步?答：（1）凝聚層次聚類算法流程：①定義每個(gè)觀測值（樣本點(diǎn)）為一類；②計(jì)算任意兩類之間的距離，度量樣本間的相似度；③合并距離最近（相似度最高）的兩個(gè)類；④重復(fù)步驟②和③，直到所有類合并為一類。（2）分裂層次聚類算法流程：①定義所有觀測值（樣本點(diǎn)）為一類；②計(jì)算任意兩樣本點(diǎn)之間的距離；③找出同一類中距離最遠(yuǎn)的兩個(gè)樣本點(diǎn)a和b，分別作為兩個(gè)簇的中心；④若類中剩余的樣本點(diǎn)距離類中心a更近，將其分配到以a為中心的類中，否則分配到以b為中心的類中；⑤重復(fù)步驟③和④，直到每個(gè)觀測值為一類。層次聚類有哪些優(yōu)缺點(diǎn)?答：（1）層次聚類優(yōu)點(diǎn)①層次聚類中距離和相似度容易定義，算法相對簡單。②適用于任意形狀和任意屬性的數(shù)據(jù)集。③層次聚類不需要預(yù)先指定聚類數(shù)，能夠得到不同粒度上的多層次聚類結(jié)構(gòu)。④可以使用樹形圖對聚類結(jié)果進(jìn)行可視化，易于解釋和理解。⑤對樣本的輸入順序不敏感。（2）層次聚類缺點(diǎn)①算法時(shí)間復(fù)雜度較大。②過程具有不可逆性，一旦