文档介绍：聚类分析
第五章聚类分析
()
E-mail:
精品资料
你怎么称呼老师？
如果老师最后没有总结一节课的重点的难点，你是否会认为老师的教学方法需要改进？
你所经历的课堂，是讲座式还是讨论式？
教师的教鞭
“不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨，没有学问无颜见爹娘 ……”
“太阳当空照，花儿对我笑，小鸟说早早早……”
第五章聚类分析（提纲）
聚类分析概述
相似性计算方法
常用聚类方法
划分方法
k-means算法（k-均值算法）
k-medoids算法（k-中心算法）
层次方法
AGNES算法（合并聚类法）
DIANA算法（分裂聚类法）
孤立点分析
聚类分析概述
聚类分析的定义
聚类分析(Cluster Analysis)是一个将数据集中的所有数据，按照相似性划分为多个类别（Cluster, 簇）的过程；
簇是相似数据的集合。
聚类分析是一种无监督(Unsupervised Learning)分类方法：数据集中的数据没有预定义的类别标号（无训练集和训练的过程）。
要求：聚类分析之后，应尽可能保证类别相同的数据之间具有较高的相似性，而类别不同的数据之间具有较低的相似性。
聚类分析概述
聚类分析在数据挖掘中的作用：
作为一个独立的工具来获得数据集中数据的分布情况；
作为其他数据挖掘算法的预处理步骤。
聚类分析概述
聚类分析在数据挖掘中的作用：
作为一个独立的工具来获得数据集中数据的分布情况；
首先，对数据集执行聚类，获得所有簇；
然后，根据每个簇中样本的数目获得数据集中每类数据的大体分布情况。
作为其他数据挖掘算法的预处理步骤。
聚类分析概述
聚类分析在数据挖掘中的作用：
作为一个独立的工具来获得数据集中数据的分布情况；
作为其他数据挖掘算法的预处理步骤。
首先，对数据进行聚类——粗分类；
然后，分别对每个簇进行特征提取和细分类，可以有效提高分类精度。