數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)第九章聚類分析_第1頁
數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)第九章聚類分析_第2頁
數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)第九章聚類分析_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、第 9 章 聚類分析9.1 聚類概述1. 可伸縮性2. 處理不同類型屬性的能力3. 發(fā)現(xiàn)任意形狀的聚類4. 使輸入?yún)?shù)的領(lǐng)域知識最小化5. 處理噪聲數(shù)據(jù)的能力6. 對于輸入記錄的順序不敏感9.2 聚類分析中的相異度計(jì)算1. 數(shù)據(jù)矩陣 （或?qū)ο笈c變量結(jié)構(gòu) ）2. 相異度矩陣 （或?qū)ο?-對象結(jié)構(gòu) ）1. 區(qū)間標(biāo)度變量2. 相異度計(jì)算1. 二元變量2. 相異度計(jì)算1. 標(biāo)稱型變量2. 相異度計(jì)算1. 序數(shù)型變量2. 相異度計(jì)算1. 比例標(biāo)度型變量2. 相異度計(jì)算9.3 基于劃分的聚類方法9.4 基于層次的聚類方法1. 凝聚的方法2. 分裂的方法9.5 譜聚類方法9.6 利用 SQL Server

2、2005 進(jìn)行聚類分析圖 9-2 選擇數(shù)據(jù)挖掘技術(shù)圖 9-3 選擇數(shù)據(jù)源視圖圖 9-4 指定表類型圖 9-5 指定定型數(shù)據(jù)圖 9-6 指定列的內(nèi)容和數(shù)據(jù)類型圖 9-7 完成數(shù)據(jù)挖掘結(jié)構(gòu)的創(chuàng)建圖 9-8 分類剖面圖圖 9-9 分類關(guān)系圖圖 9-10 分類特征圖 9-11 分類對比圖 9-12 提升圖圖 9-13 分類矩陣圖習(xí)題 91. 簡單地描述如何計(jì)算由如下類型的變量描述的對象間的相異度：(a) 數(shù)值 (區(qū)間標(biāo)度 )變量(b) 非對稱的二元變量(c) 分類變量(d) 比例標(biāo)度變量(e) 非數(shù)值向量對象2. 假設(shè)數(shù)據(jù)挖掘的任務(wù)是將如下 8 個點(diǎn)聚類為 3 個簇 :A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C3(4,9), 距離函數(shù)是歐幾里得距離。假設(shè)初始選擇 A1,B1,C1分別為每個聚類的中心，用k-平均算法來給出：(1) 在第一次循環(huán)執(zhí)行后的三個聚類中心。(2) 最后的三個簇。3. k 均值和 k 中心點(diǎn)算法都可以進(jìn)行有效的聚類。 概述 k 均值和 k 中心點(diǎn)

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論