5.3.3+4聚类分析与数据分类 课件 2021—2022学年高中信息技术粤教版（2019）必修

5.3.3+4聚类分析与数据分类 《数据与计算》P113-118 数据的特征探索 系统日志采集法 网络数据采集法（网络爬虫） 其他数据采集法 数据分析的步骤 2 1.概念：是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。 2.特点： 不需要先给定分类标准 能够自动进行分类 达到“物以类聚、人以群分”的效果 3.常用的算法：k-Means算法 中文名：K-平均算法 特点：自下而上的聚类分析方法 一、聚类分析 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 3 3.k-Means算法的基本算法及流程图 初始化随机选择K个点作为中心聚类点 依次计算其余数据点与中心点的距离 将数据点分配给最近的中心点 计算每个聚集中心的平均值，即为中心点 重复步骤②-④， 满足下列条件时，结束聚类。 中心点的位置变化小于指定的阈值（默认为 0.0001） 达到最大迭代次数得到最大的频繁项集 一、聚类分析 从文件读取数据 初始化聚类中心（随机） 计算其余数据点与中心点的距离 将数据点分配到最近的中心点 中心点的位置变化小于指定的阈值 开始 结束 否 否 是 计算每个聚集的平均值，即中心点 Apriori算法详解_Trident_lin的博客-CSDN博客_apriori https://blog.csdn.net/weixin_39220714/article/details/83595519 4 好友关系聚类 从文件读取数据 初始化聚类中心（随机） 计算其余数据点与中心点的距离 将数据点分配到最近的中心点 中心点的位置变化小于指定的阈值 开始 结束 否 否 是 计算每个聚集的平均值，即中心点 4.案例赏析 一、聚类分析 4.案例赏析：层次关系聚类 一、聚类分析 一、聚类分析 【项目练习】运行程序5-6-1聚类分析（教材范例），体验聚类分析。需要的数据存储在comany. CSV文件中，包括“客户年龄”、 “平均每次消费金额”、 “平均消费周期(天)。由于一起对3个数据的关系进行分析很难操作，所以分别选取2个类别进行比较。程序运行结果如下图: 图1： 图2： 图3：