对数据进行聚类分析实验报告

对数据进行聚类分析实验报告

徐远东 任争刚 权荣

一、 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。

二、 实验要求

1、 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。

2、 对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。

3、 对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。。

4、

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 三、 实验步骤及流程图

根据以上实验要求，本次试验我们将分为两组：一、首先对FEMALE 与MALE 中数据组成的样本按照上面要求用C 均值法进行聚类分析，然后对FEMALE 、MALE 、test2中数据组成的样本集用C 均值法进行聚类分析，比较二者结果。二、将上述两个样本用分即聚类方法进行聚类，观察聚类结果。并将两种聚类结果进行比较。

一、（1）、C 均值算法思想

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，取第一个点和第()12/+N INT 个点作为代表点；分为三类时，取第一、

()13/+N INT 、()13/2+N INT 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J e

设i N 是第i 聚类i C 的样本数目，i z 是这些样本的均值，则把i C 中得各样本y 与均值i z 间的误差平方和对所有类相加后为：

∑∑=∈-=c i C y i

e i m y J 12

当C 取不同的值时各自算出它们的e J ，进行比较。

二、利用分级聚类方法进行聚类

1、分级聚类法思想：首先把全部样本作为一类看做一类，然后根据一定的目标

函数进行分解。

2、步骤

第一步：开始时，将全部样本当做一类，第二类即为空集。

第二步：将第一类中的第一个样本放入第二类，计算两类样本均值1X , 2X ，并

确定两类别中样本数目N1，N2以及目标函数)21()'21(21X X X X N

N N E --= 第三步：将第一类中剩下的所有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，选择是E 值最大的样本，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 ）

3、实验流程图

四、 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：