浙教版信息技术高中选修4 人工智能初步3.1 对数据进行挖掘：知识挖掘-教学课件.pptxVIP

3.1对数据进行挖掘:知识挖掘;学习小组分组：

某位老师计划成立信息学习小组，为了避免组间成绩差异过大，在进行分组时，除了采取抽签的方式，在抽签之前也会对所有学生进行分档。正常情况下，同一档次的学生不会出现在同一个小组，即每个小组的学生会分别来自不同的档次。

若现有19名学生的3次信息考试的排名数据，要将他们分成3档，应该如何完成此项任务？;数据挖掘(DM);数据预处理

去噪、补全、规整化;表格中的数据存在哪些问题？;思考：每个维度取值范围不一样，如何处理？;思想：物以类聚，人以群分，我们可以把挨得近的数据点聚在一起，形成一个类别。;聚类：按照某个特定的标准（如距离）将一个数据集划分为不同的簇，使得同一个簇的数据的相似性尽可能大，不同簇的数据的差异性尽可能大。;思考：具有三个特征变量的对象，如何计算它们之间的距离？;数据挖掘

聚类、关联分析、回归、分类等;1.手动聚类

要求：将坐标系中的15个数据点，按照位置关系圈出2个分组。;2.聚类计算

要求：随机取两个点p1和p2，分别计算其余点到两点之间的距离。;3.精调分类

要求：对新的聚类分组求出新的中心点的位置p1’和p2’。;如果计算得出的新中心点与原中心点不再变化或者变化很小，那么就结束，并可视化输出。;①随机设置K个点作为初始的聚类中心。

②对于其他每个点计算到K个中心的距离，将其归属到与其距离最近的一个中心并标记类别。

③对标记为一类中所有数据计算他们的平均值，作为新的中心点。

④如果计算得出的新中心点与原中心点不再变化或者变化很小，那么结束，否则重新执行②③两步。;补充完整Python程序，验证用K-means聚类算法实现数据聚类的过程。;随机挑选3个点作为初始的聚类中心;数据挖掘

聚类、关联分析、回归、分类等;学生类别0：[张茜,张超,许迎迎,章彬彬,王欢乐,苏蓉,夏浩,金雨,许多]

学生类别1：[沈奕,项捷,吴丛丛,叶乐克,王倩]

学生类别2：[郑博,???海,陈佳佳,李思佳,叶子萱];你觉得聚类算法可以为我们提供哪些帮助？;其他无监督学习;例如，某商店整理了一天内4名不同顾客购买的商品数据，如表3.1.2所示，希望通过频繁子集挖掘找到商品之间的相关性信息。;1;2;感谢观看