《数据挖掘与机器学习》 课件7.2.1 K-Means聚类.pptx

8南宁职业技术学

院

NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY

厨

数据挖掘与机器学习

DATAMININGA°NDMACHINELEARNING

构建新闻文本聚类模型

新闻文本聚类——聚类分析

构建新闻文本聚类模型

任务描述

聚类是针对给定的样本，依据它们特征的相似度或度量，将其归并到若干个“类”或“簇”

的数据分析问题。

一个类是样本的一个子集。直观上，相似的样本聚集在相同的类，不相似的样本分散在不

同的类。

新闻文本聚类是将大量新闻文本根据其相似性划分到不同的类别中，以便更好地理解和分

析这些文本。

本任务将使用K-Means算法和DBSCAN算法，对任务7.1中处理好的文本进行聚类分析并进

行可视化展示。

|任务要求构建新闻文本聚类模型

使用sklearn库构建K-Means模型。

使用sklearn库构建DBSCAN模型。

使用Matplotlib库实现结果的可视化。

Part1相关知识

·K-Means

·DBSCAN

构建新闻文本聚类模型

K-Means

聚类的目的是在没有标签或类别信息的情况下，将数据样本归为几个不

同的群组，以便更好地理解数据、识别数据的模式和规律，并进行更有

效的数据分析。

通过聚类，可以识别出数据中的不同类别或簇，这些簇可能具有相似的

属性、特征或行为。

构建新闻文本聚类模型

K-Means

K-Means聚类是基于样本集合划分的聚类算法。

它将样本集合划分为k个子集，每个子集为一类。

将n个样本分到k个类中，使得每个样本到其所

属类的中心的距离最短。

在K-Means聚类中，每个样本只能属于一个类。

将样本分为了5类，可以从图中看到，每个样本

只能属于一个类，一个类的样本都聚集在一起。

构建新闻文本聚类模型

K-Means

K-Means聚类算法是一个迭代的过程，过程如下。

选择k个类的中心，将样本分类重复以上步骤，直到每个类

到距离最近的类中中样本不再改变为止

3

2

将每个类中样本的均值作

为新的类中心

构建新闻文本聚类模型

K-Means

目标是最小化每个数据点与其所属簇中心之间的距离的总和。

其中，X,表示第i个样本，μ;表示第j个类的中心。