1507面試總結(jié)雷xxx同學(xué)學(xué)習(xí)kmeans算法

3.13.1數(shù)據(jù)說明3.本文實驗數(shù)據(jù)來自著名的UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫，該數(shù)據(jù)庫有大量的人工智能數(shù)據(jù)挖掘數(shù)據(jù)，為:。該數(shù)據(jù)庫是不斷更新的，也接受數(shù)據(jù)的捐2010199本文選用的數(shù)據(jù)來類型為：BreastCancerWisconsin(Original)DataSet，中文名稱條數(shù)據(jù)具有11個屬性。下來的數(shù)據(jù)文件格式為“.data”,通過使用Excel和 下表是該數(shù)據(jù)集的11個屬性名稱及說明：3.2據(jù)預(yù)處理與程3.2據(jù)預(yù)處理與程本文在轉(zhuǎn)換數(shù)據(jù)后，首先進(jìn)行了預(yù)處理，由于本文的數(shù)據(jù)范圍都是1-10，因此不需要歸一 數(shù)據(jù)集特征提3.1ReliefF算法來計算各個特征的權(quán)重，權(quán)重小于某個閾值的特征將被移2-3種剔除。由于算法在運行過程中，會選擇R，隨機(jī)數(shù)的不同將導(dǎo)致結(jié)果權(quán)重有一定的出入，因此本文采取平均的方法，將20次，然后將結(jié)果匯總求出每種權(quán)重的平均值。如下所示，列為屬性編號，行0.02945從上面的特征權(quán)重可以看出，屬性6核大小是最主要的影響因素，說明患者的癥狀最先表現(xiàn)了核大小上，將直接導(dǎo)致核大小的變化，其次是屬性1和屬性8等，后幾面是著重對幾個重要的屬性進(jìn)行分析。下面是20次測試中，核大?。▽傩?）的權(quán)重變1 數(shù)據(jù)集聚類分塊厚度屬性的特征權(quán)重在0.19-25左右變動，也是權(quán)重極高的一個，說明該特征屬性在乳6，和 數(shù)據(jù)集聚類分ReliefF算法對數(shù)據(jù)集的分析，可以得到屬性權(quán)重的重要程度，這些可以對臨高診斷的速度和正確率。下面將通過K-menas聚類分析算法對數(shù)據(jù)進(jìn)行分析。本小節(jié)將分下面將采用Kmeans算法單獨對數(shù)據(jù)集進(jìn)行分析。中已經(jīng)包括了一些常規(guī)數(shù)據(jù)挖掘的算法，例如本文所用到的K-meanskmeans，可以對數(shù)據(jù)集進(jìn)行聚類分成了2類，總體的正確率為94.44%，其中第一類的正確率為93.56%，第二類的正確率96.31%。下面是分類后對按照不同屬性的繪制的屬性值分布圖：限于篇幅，只選擇了上述3個特征屬性進(jìn)行圖像繪制，從結(jié)果來看，可以很直觀的觀察K-means算法分類后的情況，第一類與第一類的分類界限比較清晰。但是不容易觀察到K-means算法的效果來看，能夠很準(zhǔn)確的將數(shù)據(jù)集進(jìn)行分類。一方面是由于該數(shù)據(jù)集，K-menas2類的作用較大。2.K-means2.K-meansReliefF單從分類正確率和結(jié)果方面來看，K-mens算法已經(jīng)完全可以對數(shù)據(jù)集做出非常準(zhǔn)確ReliefFReliefF算法和K-means3.2k-menas分類數(shù)據(jù)3.29<5<7<4<2<3<8<1<6，根ReliefF61重要的特征屬性，應(yīng)該對分類96最高，這與ReliefF算法測試的結(jié)果大致相似，但ReliefFar算法中間部分權(quán)重接近，所以也區(qū)分不明顯。說明特征屬性權(quán)重的判斷對K-means算法中即可。由于輸入數(shù)據(jù)的變化，K-means分類時結(jié)果肯定是有差距的，所以單獨從一個屬6個屬性，其正確率就達(dá)到選擇所有屬性的33K-means3還是采用中的kmeans函數(shù)，將分類數(shù)改為3，由于分為3類后數(shù)據(jù)類型增多，683444239條：100%99條數(shù)據(jù)，分類正確率為100136K-meansReliefF算法，先去掉一部分特征權(quán)重較小的特征屬性后，再