Clementine 聚类模型 ——K-means 聚类.pptVIP

Clementine 聚类模型 ——K-means 聚类 报告人：张兰兰 指导教师:谢邦昌 日期：2007年11月16日 聚类分析 聚类(Clustering)就是按照某个特定标准(一般为距离准则)把一个数据集分割成不同的类或簇(Cluster)，使得在同一个簇内的数据对象的相似性尽可能的大，不在同一个簇中的数据对象的差异性也尽可能的大。聚类是一种无指导的学习。 Clementine11.0中提供的聚类方法有三种： K-means Two-step Kohonen K-means聚类 K-means聚类简介 K-mean又称快速聚类，是由Macqueen 于1967年提出的。 K-means 目的是：把样品聚集成K个类的集合，要求同一类中样品彼此相似，而不同类间的样品差异较大。K的大小是事先确定好的。 K-means基本思想是：把每个样品聚集到其最近形心（均值）类中去 K-means聚类 建立K-means模型的要求：需要一个以上的In字段。方向为Out、Both、None的字段将被忽略。 优点：建立K-means模型不需要分组数据。对于大型数据集，K-means模型常常是最快的分群方法。 K-means 算法步骤 1 从原始数据中选取K个点作为初始的K个聚类中心。通常由Clementine自动选。 2 计算各样本到K个聚类中心的距离，把样本归到离它最近的那个聚类中心所在的类。 3 计算新形成的K个类的均值作为新的聚类中心，重复步骤2重新聚类 4 重复步骤3，直到到达最大迭代次数或前后两次迭代之间的差异小于制定阀值，聚类过程结束。 K-means聚类实例 现有数据drink.sav，收集了16种饮料的热量（calorie）、咖啡因（caffeine）、钠（sodium）及价格（price）四个变量的值。现在希望利用这四个变量对这16种饮料进行聚类。 Clementine 实现步骤 1 导入数据及预处理: 插入一个spss类的数据源节点（Soures\spss file），双击该节点对其进行编辑。 data框: 在”import file”中输入数据drink.sav的 物理路径 filter框：认为四个变量都很重要，所以不用过滤 type框：对变量类型进行定义，然后利用“read values”进行实例化，如图1所示： Clementine 实现步骤 变量类型的定义及实例化 Clementine 实现步骤 2 查看源数据（output\table) 通过一个table结点与源数据相连，执行 Table结点即可。 Clementine 实现步骤 3 建立K-means聚类模型（Modeling\k-means) 建立一个k-means结点与源数据相连，然后对k-means结点进行编辑： Clementine 实现步骤 K-means结点model选项框 在本例中我们将number of clusters设置为3，即k=3,将样本聚 成三类； 选中Generate distance field,，以产 生一个新的变量来表示各样本到其 类中心的距离； 选中show cluster proximity，以在 模型输出结果中包含类间的离； 其余选项采用默认选项。 Clementine 实现步骤 k-means结点Expert选项框 将mode设置为Expert,可对迭 代停止（Stop on)条件进行设 置。 默认（Default)的停止条件是迭 代超过20次或相邻两次迭代结果 差异小0.000001。 也可以选中Custom自己设定停 止条件。 本例采用默认的迭代停止条件。 Clementine 实现步骤 4 模型结果分析 执行k-means结点即可得到聚类模型。双击模型图标可查看模型结果。将模型图标与源数据相连，再通过一个table节点可查看各样本的具体分类情况。 Clementine 实现步骤 样本分类结果： Clementine 实现步骤 生成模型的model对话框 样本被聚成为三类，三类包含 的样本数分别为2、7、7。 展示了各类中四个变量的类均 值及标准差,如归入第 一类的 饮料的caffeine的平 均含量为 1.65，标准差为2.333。 Proximities展示了类与类之间 的距离。值越小表明越相近。 Clementine 实现步骤 生成模型的Viewer对话框 该对话框以图形的形式形象的将 模