数据挖掘导论第8章中文PPT课件

‹#›
集群类型：基于密度
基于密度
– 簇是由低密度区域与其它高密度区域分开的点的密集区域。 – 当集群不规则或交织，并且存在噪声和异常值时使用。
6个基于密度的集群
数据挖掘导论
9/29/2020
‹#›
集群类型：概念集群
共享财产或概念集群
– 查找共享一些共同属性或表示特定概念的集群。 .
2个交叉的集群
模糊与非模糊
– 在模糊聚类中，一个点属于每个聚类，其权重在0和1之间 – 权重必须为1 – 概率聚类具有类似的特征
部分与完整
– 在某些情况下，我们只想聚集一些数据
非均质对均质
– 集群的大小，形状和密度大不相同
数据挖掘导论
9/29/2020
‹#›
集群类型
分离良好的集群 基于中心的集群 连续簇 基于密度的聚类 属性或概念 由目标函数描述
9/29/2020
‹#›
层次聚类
p1 p2
p3 p4
传统分层聚类
p1 p2
p3 p4
非传统的分层聚类
数据挖掘导论
p1 p2 p3 p4
传统树图
ቤተ መጻሕፍቲ ባይዱ
p1 p2
非传统树状图
p3 p4
9/29/2020
‹#›
群集集之间的其他区别
独占与非独占
– 在非排他性聚类中，点可以属于多个聚类 – 可以表示多个类或“边界”点
Compaq-DOWN, EMC-Corp-DOWN, Gen-Inst-DOWN, Motorola-DOWN,Microsoft-DOWN,Scientific-Atl-DOWN
Fannie-Mae-DOWN,Fed-Home-Loan-DOWN, MBNA-Corp-DOWN,Morgan-Stanley-DOWN
数据挖掘导论
在澳大利亚聚集降水
9/29/2020
‹#›
什么不是集群分析？
监督分类
– 有类标签信息
简单分割
– 按姓氏按字母顺序将学生分成不同的注册组
查询的结果
– 分组是外部规范的结果
图分区
– 一些相互关联和协同，但领域不相同
数据挖掘导论
9/29/2020
‹#›
集群的概念可能是模糊的
有多少个集群？
两个集群
有类似功能的组基因和蛋白
质，或具有相似价格波动的 2
组股票
总结
3
– 减少大型数据集的大小
4
Discovered Clusters
Applied-Matl-DOWN,Bay-Network-Down,3-COM-DOWN, Cabletron-Sys-DOWN,CISCO-DOWN,HP-DOWN,
DSC-Comm-DOWN,INTEL-DOWN,LSI-Logic-DOWN, Micron-Tech-DOWN,Texas-Inst-Down,Tellabs-Inc-Down,
– 说明相似性的类型 – 其他特性，例如自相关
尺寸 噪声和异常值 分发类型
– 全局目标函数方法的变化是将数据拟合到参数化模型。
从数据确定模型的参数。 混合模型假设数据是多个统计分布的“混合”。
数据挖掘导论
9/29/2020
‹#›
集群类型：目标函数…
将聚类问题映射到不同的域，并解决该域中的相关 问题
– 接近矩阵定义加权图，其中节点是被聚类的点，加权边 表示点之间的近似
数据挖掘导论
六个集群
四个集群
9/29/2020
‹#›
集群类型
聚类是一组聚类 分层和分区集群之间的重要区别 部分聚类
– 将数据对象划分成非重叠子集（聚类），使得每个数据对象恰 好在一个子集中
分层聚类
– 组织为分层树的一组嵌套集群
数据挖掘导论
9/29/2020
‹#›
分割聚类
原始的点
数据挖掘导论
分割聚类
数据挖掘集群分析：基本概念和算法
第二章 数据挖掘简介
数据挖掘导论
9/29/2020
1
什么是集群分析？
查找对象组，使得组中的对象将彼此相似（或相关），并 且与其他组中的对象不同（或不相关）
簇内距离被最小 化
群间距离最大化
数据挖掘导论
9/29/2020
‹#›
聚类分析的应用
理解
– 用于浏览的组相关文档，具 1
数据挖掘导论
9/29/2020
‹#›
聚类类型：目标函数
由目标函数定义的集群
– 找到最小化或最大化目标函数的集群。 – 列举所有可能的方法，将点分成聚类，并通过使用给定的目标函数
评估每个潜在的集群的“好”。 （NP问题） – 可以有全球或地方目标。
分层聚类算法通常具有局部目标 部分算法通常具有全局目标
– 聚类等效于将图形分成连接的组件，每个集群一个
– 想要最小化群集之间的边缘权重并且最大化群集内的边 缘权重
数据挖掘导论
9/29/2020
‹#›
输入数据的特性很重要
接近度或密度测量的类型
– 这是一个派生的度量，但是聚类的中心
稀疏性
– 说明相似性的类型 – 增加效率
属性类型
– 说明相似性的类型
数据类型
Natl-Semiconduct-DOWN,Oracl-DOWN,SGI-DOWN, Sun-DOWN
Apple-Comp-DOWN,Autodesk-DOWN,DEC-DOWN, ADV-Micro-Device-DOWN,Andrew-Corp-DOWN, Computer-Assoc-DOWN,Circuit-City-DOWN,
数据挖掘导论
9/29/2020
‹#›
集群类型：分离
分离的群集：
– 集群是一组点，使得集群中的任何点都比集群中的任何点更接 近（或更类似于）集群中的每个其他点。
3 well-separated clusters
数据挖掘导论
9/29/2020
‹#›
集群类型：基于中心
基于中心
– 群集是一组对象，使得群集中的对象比群集的“中心”更接近 （更类似于）任何其他群集的中心
– 聚类的中心通常是质心，聚类中所有点的平均值，或聚类的最 “代表性”点
4个基于中心的集群
数据挖掘导论
9/29/2020
‹#›
集群类型：基于连续性
连续簇（最近邻或传递）
– 聚类是一组点，使得聚类中的点与不在聚类中的任何点更接近 （或更类似于）聚类中的一个或多个其它点。
8个连续簇
数据挖掘导论
9/29/2020
Baker-Hughes-UP,Dresser-Inds-UP,Halliburton-HLD-UP, Louisiana-Land-UP,Phillips-Petro-UP,Unocal-UP, Schlumberger-UP
Industry Group
Technology1-DOWN
Technology2-DOWN Financial-DOWN Oil-UP