数据挖掘 实验教案4.docVIP

实验六： 用K均值（K-means）算法实现聚类分析 一、实验目的 1、通过 2、锻炼学生操作水平； 、通过模拟和讨论，确保学生深刻体会。二、（一）实验设备 、计算机控制系统，包括计算机、软件等 （二）软件环境 1、服务器采用 操作系统； 2、四、实验内容和步骤 选中“Cluster Mode”的“Use training set”，点击“Start”按钮，如下图所示： 观察右边“Clusterer output”给出的聚类结果。也可以在左下角“Result list”中这次产生的结果上点右键，“View in separate window”在新窗口中浏览结果。结果如下图所示： 结果解释： 首先我们注意到结果中有这么一行： Within cluster sum of squared errors: 1604.7416693522332 这是评价聚类好坏的标准，数值越小说明同一簇实例之间的距离越小。也许你得到的数值会不一样；实际上如果把“seed”参数改一下，得到的这个数值就可能会不一样。我们应该多尝试几个seed，并采纳这个数值最小的那个结果。 接下来“Cluster centroids:”之后列出了各个簇中心的位置。对于数值型的属性，簇中心就是它的均值（Mean）；分类型的就是它的众数（Mode）， 也就是说这个属性上取值为众数值的实例最多。对于数值型的属性，还给出了它在各个簇里的标准差（Std Devs）。 最后的“Clustered Instances”是各个簇中实例的数目及百分比。 为了观察可视化的聚类结果，我们在左下方“Result list”列出的结果上右击，点“Visualize cluster assignments”，如下图所示： 弹出的窗口给出了各实例的散点图（操作说明详见第七章）。最上方的两个框是选择横坐标和纵坐标，第二行的“color”是散点图着色的依据，默认是根据不同的簇“Cluster”给实例标上不同的颜色，如下图所示： 五、实验报告 实验结束后，学生对模拟操作进行总结，编写出实验报告。 实验报告包括如下内容：、实验的目的和要求； 、本次实验取得的主要收获和体会，结合所学的理论知识谈谈。 1、通过 2、锻炼学生的操作水平； 、通过模拟和讨论，确保学生深刻体会。二、（一）实验设备 、计算机控制系统，包括计算机、软件等 （二）软件环境 1、服务器采用 操作系统； 2、四、实验内容和步骤 点击运行 表示在此设定下，有229条数据被认为是噪声，其余的分成了33类 注意：minpoints越小，epsilon越大，噪点越少，minpoints越小，类别越多，epsilon越大，类别越少。 思考：在数据项的属性中既有数值型，又有字符型时，距离值如何计算，epsilon又该如何设定。 五、实验报告 实验结束后，学生对模拟操作进行总结，编写出实验报告。 实验报告包括如下内容：、实验的目的和要求； 、本次实验取得的主要收获和体会，结合所学的理论知识谈谈。