数据挖掘实验报告三.pdfVIP

实验三

一、实验原理

K-Means算法是一种clusteranalysis的算法，其主要是来计算数据聚集的算法，

主要通过不断地取离种子点最近均值的算法。

在数据挖掘中，K-Means算法是一种clusteranalysis的算法，其主要是来计算

数据聚集的算法，主要通过不断地取离种子点最近均值的算法。

算法原理：

(1)随机选取k个中心点；

(2)在第j次迭代中，对于每个样本点，选取最近的中心点，归为该类；

(3)更新中心点为每类的均值；

(4)j-j+1,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步

数，误差不变.

空间复杂度o(N)

时间复杂度o(I*K*N)

其中N为样本点个数，K为中心点个数，I为迭代次数

二、实验目的：

1、利用R实现数据标准化。

2、利用R实现K-Meams聚类过程。

3、了解K-Means聚类算法在客户价值分析实例中的应用。

三、实验内容

依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。对其进行标

准差标准化并保存后，采用k-means算法完成客户的聚类，分析每类的客户特征，从而

获得每类客户的价值。编写R程序，完成客户的k-means聚类，获得聚类中心与类标号，

并统计每个类别的客户数

四、实验步骤

1、依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。

2、确定要探索分析的变量

3、利用R实现数据标准化。

4、采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。

五、实验结果

客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数

六、思考与分析

使用不同的预处理对数据进行变化，在使用k-means算法进行聚类，对比聚类的结果。

kmenas算法首先选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个数。

这样做的前提是我们已经知道数据集中包含多少个簇.

1.与层次聚类结合

经常会产生较好的聚类结果的一个有趣策略是，首先采用层次凝聚算法决定结果

粗的数目，并找到一个初始聚类，然后用迭代重定位来改进该聚类。

2.稳定性方法

稳定性方法对一个数据集进行2次重采样产生2个数据子集，再用相同的聚类算

法对2个数据子集进行聚类，产生2个具有k个聚类的聚类结果，计算2个聚类结果

的相似度的分布情况。2个聚类结果具有高的相似度说明k个聚类反映了稳定的聚类

结构，其相似度可以用来估计聚类个数。采用次方法试探多个k，找到合适的k值。

3.系统演化方法

系统演化方法将一个数据集视为伪热力学系统，当数据集被划分为K个聚类时称

系统处于状态K。系统由初始状态K=1出发，经过分裂过程和合并过程，系统将演化到

它的稳定平衡状态Ki，其所对应的聚类结构决定了最优类数Ki。系统演化方法能提供关

于所有聚类之间的相对边界距离或可分程度，它适用于明显分离的聚类结构和轻微重叠

的聚类结构。