数据仓库与数据挖掘技术 第九章 聚类分析

第9章聚类分析9.1聚类概述

9.1.1聚类简介

9.1.2聚类的定义

9.1.3聚类的要求

1. 可伸缩性

2. 处理不同类型属性的能力

3. 发现任意形状的聚类

4. 使输入参数的领域知识最小化

5. 处理噪声数据的能力

6. 对于输入记录的顺序不敏感

9.2聚类分析中的相异度计算

9.2.1聚类算法中的数据结构

1. 数据矩阵(或对象与变量结构)

2. 相异度矩阵(或对象-对象结构)

9.2.2区间标度变量及其相异度计算

1. 区间标度变量

2. 相异度计算

数据仓库与数据挖掘技术9.2.3二元变量及其相异度计算

1. 二元变量

2. 相异度计算

9.2.4标称型变量及其相异度计算

1. 标称型变量

2. 相异度计算

9.2.5序数型变量及其相异度计算

1. 序数型变量

2. 相异度计算

9.2.6比例标度型变量及其相异度计算

1. 比例标度型变量

2. 相异度计算

数据仓库与数据挖掘技术

9.2.7混合类型变量的相异度计算

9.3基于划分的聚类方法

9.3.1k-平均算法

9.3.2k-中心点算法

9.4基于层次的聚类方法

1. 凝聚的方法

2. 分裂的方法

图9-1在数据集{a,b,c,d,e}上的凝聚和分裂层次聚类

数据仓库与数据挖掘技术9.5谱聚类方法

9.5.1谱聚类的步骤

9.5.2谱聚类的优点

9.5.3谱聚类实例

9.6利用SQL Server 2005进行聚类分析9.6.1挖掘流程

图9-2选择数据挖掘技术

数据仓库与数据挖掘技术

图9-3选择数据源视图

图9-4指定表类型

数据仓库与数据挖掘技术9.6.2结果分析

图9-5指定定型数据

图9-6指定列的内容和数据类型

数据仓库与数据挖掘技术

图9-7完成数据挖掘结构的创建

图9-8分类剖面图

数据仓库与数据挖掘技术

图9-9分类关系图

图9-10分类特征

数据仓库与数据挖掘技术

图9-11分类对比

图9-12提升图

数据仓库与数据挖掘技术

图9-13分类矩阵图

习题9

1. 简单地描述如何计算由如下类型的变量描述的对象间的相异度：

(a) 数值(区间标度)变量

(b) 非对称的二元变量

(c) 分类变量

(d) 比例标度变量

(e) 非数值向量对象

2. 假设数据挖掘的任务是将如下8个点聚类为3个簇:

A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C3(4,9),距离函数是欧几里得距离。假设初始选择A1,B1,C1分别为每个聚类的中心，用k-平均算法来给出:

(1) 在第一次循环执行后的三个聚类中心。

(2) 最后的三个簇。

3. k均值和k中心点算法都可以进行有效的聚类。概述k均值和k中心点算法的优缺点。并概述这两种方法与层次聚类方法（如AGNES）相比有何优缺点。