商務(wù)智能實(shí)驗(yàn)10報(bào)告

《數(shù)據(jù)挖掘與商務(wù)智能實(shí)驗(yàn)》實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)題目：聚類分析：K-Means姓名：王俊學(xué)號(hào)：202330850164指導(dǎo)教師：張大斌實(shí)驗(yàn)時(shí)間：2023.11.102023年11月10日實(shí)驗(yàn)題綱：實(shí)驗(yàn)?zāi)康牧私馐煜PSSModeler及其相關(guān)知識(shí)掌握SPSSModeler工具建立K-Means聚類的方法學(xué)會(huì)運(yùn)用SPSSModeler聚類進(jìn)行相關(guān)內(nèi)容的分析實(shí)驗(yàn)內(nèi)容本實(shí)驗(yàn)是以我國(guó)31個(gè)省市自治區(qū)2023年各地區(qū)經(jīng)濟(jì)開展的數(shù)據(jù)為例，來討論K-Means的具體操作。文件名為K-Means.sav，它是一個(gè)SPSS類型的文件。文件中的變量x1至x11依次表示：人口及分性別的人口數(shù)，反映各地區(qū)的人口水平；出生預(yù)期壽命和每萬人平均病床數(shù)，反映各地區(qū)人民的健康水平；大專以上文化程度人口比例反映各地區(qū)的教育水平；人均GDP。第三產(chǎn)業(yè)增加值占GDP的比例、人均道路面積、省會(huì)城市空氣質(zhì)量到達(dá)并好于二級(jí)的天數(shù)以及人均環(huán)境污染治理投資額，反映各地區(qū)的經(jīng)濟(jì)開展和社會(huì)環(huán)境水平等。本次實(shí)驗(yàn)分析的目的，根據(jù)所給變量研究我國(guó)3個(gè)省會(huì)自治區(qū)的綜合開展水平，分析哪些省會(huì)自治區(qū)處在相同的開展結(jié)構(gòu)水平上。具體實(shí)驗(yàn)步驟如下所示。實(shí)驗(yàn)步驟與結(jié)果步驟1.創(chuàng)立K-means聚類數(shù)據(jù)流通過“Statistics文件〞節(jié)點(diǎn)導(dǎo)入本節(jié)分析文件K-means.sav。選擇“字段選擇〞—“類型〞節(jié)點(diǎn)，雙擊“類型〞節(jié)點(diǎn)，在類型的編輯窗口中，設(shè)置“地區(qū)〞角色為“無〞，如下圖在“建模〞卡中選擇“K-means〞節(jié)點(diǎn)，將其連接到數(shù)據(jù)流中。步驟2設(shè)置相關(guān)參數(shù)點(diǎn)擊鼠標(biāo)右鍵，選擇菜單中“編輯〞選項(xiàng)進(jìn)行參數(shù)設(shè)置，在“模型〞模塊下指定聚類數(shù)目為4，勾選“生成距離字段〞和“數(shù)值〞選項(xiàng)，如下圖在“專家〞模塊下，勾選“模式〞下的“專家〞選項(xiàng)，其他保持不變步驟3運(yùn)行結(jié)果本例的聚類的結(jié)果如下圖由圖10-4分析結(jié)果得到了4類所包含的樣本數(shù)〔分別是2,4,，10,15〕以及樣本所占的百分比〔48.4%，32.3%，12.9%，6.5%〕在圖10-5中可以知道每一個(gè)變量屬于哪一類以及它與類中心的歐氏距離。從結(jié)果圖10-5中可以知道31條數(shù)據(jù)共分為4類，例如上海和北京在第一類中，廣西和江西在第二類中，同樣的KMD—K-Means中可以知道每一個(gè)地區(qū)與對(duì)應(yīng)類的中心的之間的距離。實(shí)驗(yàn)分析與擴(kuò)展練習(xí)擴(kuò)展訓(xùn)練：請(qǐng)總結(jié)K均值聚類的優(yōu)缺點(diǎn)答：主要優(yōu)點(diǎn)：1.K均值是解決聚類問題的一種經(jīng)典算法，簡(jiǎn)單、快速。對(duì)處理大數(shù)據(jù)集，該算法是相對(duì)可伸縮和高效率的。因?yàn)樗膹?fù)雜度是0(nkt),其中,n是所有對(duì)象的數(shù)目,k是簇的數(shù)目,t是迭代的次數(shù)。通常k<<n且t<<n。當(dāng)結(jié)果簇是密集的，而簇與簇之間區(qū)別明顯時(shí),它的效果較好。2.K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念。主要缺點(diǎn)：1.在簇的平均值被定義的情況下才能使用，這對(duì)于處理符號(hào)屬性的數(shù)據(jù)不適用。必須事先給出k〔要生成的簇的數(shù)目〕，而且對(duì)初值敏感，對(duì)于不同的初始值，可能會(huì)導(dǎo)致不同結(jié)果。它對(duì)于“躁聲〞和孤立點(diǎn)數(shù)據(jù)是敏感的，少量的該類數(shù)據(jù)能夠?qū)ζ骄诞a(chǎn)生極大的影響。當(dāng)數(shù)據(jù)數(shù)量不是足夠大時(shí)，初始化分組很大程度上決定了聚類，影響聚類結(jié)果。對(duì)初始化條件敏感。無法確定哪個(gè)屬性對(duì)聚類的奉獻(xiàn)更大。使用算術(shù)平均值對(duì)outlier不魯棒。因?yàn)榛诰嚯x，故結(jié)果是圓形的聚類形狀。K均值很難處理非球形的簇和不同大小的簇，K均值可以發(fā)現(xiàn)不是明顯別離的簇。五、結(jié)論與討論(重點(diǎn))通過此次實(shí)驗(yàn)課，了解了以下知識(shí)點(diǎn)：1.KMeans算法的根本思想是初始隨機(jī)給定K個(gè)簇中心，按照最鄰近原那么把待分類樣本點(diǎn)分到各個(gè)簇。然后按平均法重新計(jì)算各個(gè)簇的質(zhì)心，從而確定新的簇心。一直迭代，直到簇心的移動(dòng)距離小于某個(gè)給定的值。2.K-Means聚類算法主要分為三個(gè)步驟：

(1)第一步是為待聚類的點(diǎn)尋找聚類中心

(2)第二步是計(jì)算每個(gè)點(diǎn)到聚類中心的距離，將每個(gè)點(diǎn)聚類