数据挖掘实验报告三.docx

Southwest university of science and technology 数据挖掘课程报告使用数据挖掘工具进行聚类分析学院名称计算机科学与技术学院专业名称计算机科学与技术学生姓名学号指导教师吴珏 2016年11月 实验三实验目的1、利用R实现数据标准化。2、利用R实现K-Meams聚类过程。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。实验步骤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。打开D:/dmex/ex3/示例程序/code/data_clean.R程序并运行结果如图所示: 2.确定要探索分析的变量 打开D:/dmex/ex3/示例程序/ data_explore.R并运行 结果如图所示 3. 利用R实现数据标准化。 打开程序D:/dmex/ex3/示例程序/code/ zscore_data并运行 得到结果如下: 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。 打开D:/dmex/ex3/示例程序/kmeans_cluster.R程序并运行 运行结果如图所示思考与分析1、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。 1）K如何确定 kmenas/base/datastructure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，但很多情况下，我们并不知道数据的分布情况，实际上聚类就是我们发现数据分布的一种手段，这就陷入了鸡和蛋的矛盾。如何有效的确定K值，这里大致提供几种方法，若各位有更好的方法，欢迎探讨。1.与层次聚类结合[2]?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[3] 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[3]?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。