对数据进行聚类分析实验汇报.docVIP

对数据进行聚类分析实验报告 基本要求 用FAMALE.TXT、MALE.TXT和/或test2.txt的数据作为本次实验使用的样本集，利用C均值和分级聚类方法对样本集进行聚类分析，对结果进行分析，从而加深对所学内容的理解和感性认识。 实验要求 把FAMALE.TXT和MALE.TXT两个文件合并成一个，同时采用身高和体重数据作为特征，设类别数为2，利用C均值聚类方法对数据进行聚类，并将聚类结果表示在二维平面上。尝试不同初始值对此数据集是否会造成不同的结果。1中的数据利用C均值聚类方法分别进行两类、三类、四类、五类聚类，画出聚类指标与类别数之间的关系曲线，探讨是否可以确定出合理的类别数目。1中的数据利用分级聚类方法进行聚类，分析聚类结果，体会分级聚类方法。。利用test2.txt数据或者把test2.txt的数据与上述1中的数据合并在一起，重复上述实验，考察结果是否有变化，对观察到的现象进行分析，写出体会 C均值算法首先取定C个类别和选取C个初始聚类中心，按最小距离原则将各模式分配到C类中的某一类，之后不断地计算类心和调整各模式的类别，最终使各模式到其判属类别中心的距离平方之和最小 （2）、实验步骤 第一步：确定类别数C，并选择C个初始聚类中心。本次试验，我们分别将C的值取为2和3。用的是凭经验选择代表点的方法。比如：在样本数为N时，分为两类时，取第1个点和第个点作为代表点；分为三类时，取第1、、个点作为代表点； 第二步：将待聚类的样本集中的样本逐个按最小距离规则分划给C个类中的某一类。 第三步：计算重新聚类后的个各类心，即各类的均值向量。 第四步：如果重新得到的类别的类心与上一次迭代的类心相等，则结束迭代，否则转至第二步。 第五步：迭代结束时，换不同的初始值进行试验，将实验结果进行比较 （3）、实验流程图 （4）、本次试验我们用的聚类指标是误差平方和聚类准则Je 设是第聚类的样本数目，是这些样本的均值，则把中得各样本与均值间的误差平方和对所有类相加后为： 当C取不同的值时各自算出它们的，进行比较。 二、利用分级聚类方法进行聚类, ，样本数目，以及目标函数，比较E值大小，选择E值最大所对应的样本，将其归入第二类。并记录此时的E为E（1） 第三步：将第一类中剩下样本依次放入第二类中，按照上面运算得出E值，并比较E值大小，选择E值最大所对应的样本，将其归入第二类。并记录此时的E为E（2） 第三步：将新的两类按照上面的方法继续划分，直到第i次迭代的E（i）E（i-1）或者到达规定的迭代次数。 3、实验流程图 实验结果 I、1、用FAMALE.TXT和MALE.TXT中的数据组合起来作为样本集： C=2时 （1）、取第一个和第五十一个样本作为初始聚类中心，得出的实验结果图如下： 得到结果是：点号表示的类别中样本总数为61，星表示的类别中样本总数为39 。 两个聚类中心分别为: A（163.5738，53.1541），B（175.8974，68.2692） 2）、取第二十五个和七十五个样本作为初始聚类中心时得到的实验结果如下： 得到结果是：点号表示的类别中样本总数为61，星表示的类别中样本总数为39。 两个聚类中心分别为: A（163.5738，53.1541），B（175.8974，68.2692） 进行多次试验发现取不同的初始聚类中心时实验结果相同。 它们的=5.9707e+003 但是，经过后面的实验我们发现，初始聚类中心选择影响最后的聚类中心，其能保证优化，而不能保证全局优化，ISODATA在这一点比C-均化更好。 下面是将男女样本所代表的点分别画到图上可得下图： 其中点表示的是女生样本，圆圈表示的是男生样本。其中，男生的样本均值为（173.9200 ，65.5020）女生的样本均值为（162.8400 ，52.5960） 通过比较两幅图，可以发现，当去C=2时，对数据进行聚类分析得到的聚类结果基本类似于男女生分类，他们的样本均值相差不大，不过还是有一定差别。差别出现在一些身高低于1.70米的男生处。 C=3时得到的聚类结果图如下： 最终的三个聚类中心： A（159.2333，49.9333）B（168.8158，57.0105）C（176.4375，70.0156） =3.9251e+003 从图中可以看出，当划分为三类时，其结果可以看做按照身高与体重的比将样本进行聚类，身高体重比大，较大，小的分别为一类。 C=4时：得到的分来结果如下： 得到的四个聚类中心为： A（157.4286，49.2381），B（164.7727，5