文档介绍：精选文档，供参考！
页脚下载后可删除，如有侵权请告知删除！
精选文档，供参考！
实验三
实验原理
K-Means算法是一种 cluster analysis 的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。
在数据挖掘中，K-Means算法是一种cluster analysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。
算法原理：
(1) 随机选取k个中心点；
(2) 在第j次迭代中，对于每个样本点，选取最近的中心点，归为该类；
(3) 更新中心点为每类的均值；
(4) j<-j+1 ,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步数，误差不变.
空间复杂度o(N)
时间复杂度o(I*K*N)
其中N为样本点个数，K为中心点个数，I为迭代次数
实验目的：
1、利用R实现数据标准化。
2、利用R实现K-Meams聚类过程。
3、了解K-Means聚类算法在客户价值分析实例中的应用。
实验内容
依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。对其进行标准差标准化并保存后，采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。编写R程序，完成客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数
精选文档，供参考！
页脚下载后可删除，如有侵权请告知删除！
精选文档，供参考！
实验步骤
1、 依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。
精选文档，供参考！
页脚下载后可删除，如有侵权请告知删除！
精选文档，供参考！
2、确定要探索分析的变量
3、利用R实现数据标准化。
4、采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。
精选文档，供参考！
页脚下载后可删除，如有侵权请告知删除！
精选文档，供参考！
实验结果
客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数
思考与分析
使用不同的预处理对数据进行变化，在使用k-means算法进行聚类，对比聚类的结果。kmenas算法首先选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个数。这样做的前提是我们已经知道数据集中包含多少个簇.
与层次聚类结合
经常会产生较好的聚类结果的一个有趣策略是，首先采