数据挖掘 实验教案4.docx

《数据挖掘 实验教案4.docx》由会员分享，可在线阅读，更多相关《数据挖掘 实验教案4.docx（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、实验六：用K均值（K-means）算法实现聚类分析一、实验目的1、通过本次试验了解K均值算法实现聚类分析的原理；2、锻炼学生对K均值算法实现聚类分析操作水平；3、通过摹拟和讨论，确保学生深刻体味K均值在整个聚类分析的重要性。二、实验内容本实验的主要内容是通过对wake软件系统的实验，了解K均值算法实现聚 类分析的原理以及具体的实验步骤。三、实验设备（一）实验设备1、计算机控制系统，包括计算机、wake软件等（二）软件环境1、服务器采用Java操作系统；2、操作软件：wake软件四、实验内容和步骤用“Explorer”打开刚才得到的“bank.arff”，并切换到“Cluster。点“Choos

2、e 按钮选择SimpleKMeans,这是WEKA中实现K均值的算法。点击旁边的文 本框，修改numClusters为6,说明我们希翼把这600条实例聚成6类,即K=6。 下面的“seed”参数是要设置一个随机种子，依此产生一个随机数，用来得到K 均值算法中第一次给出的K个簇中心的位置。我们不妨暂时让它就为10o 如下 图所不：选中 “Cluster Mode” 的 “Use training set”，点击 “Start” 按钮，如下图所示:Percentage split 66观察右边“Clusterer output”给出的聚类结果。也可以在左下角Result list 中这次产生的结果

3、上点右键，View in separate windowv在新窗口中浏览结果。 结果如下图所示：kMeansKustex of ILeratlons: 6Within cldfr uzi of squared trrert: l04.741693522332Mi astro values alohlly replaced with vean/wMeClu0rx cantroid*!Attriruzerun Da 二a 09)Cluster# 0(77)4CGI2 (77)3 (147)4 (1C6|.w (117)age42.3”37.129944.216348.31039.11S639.3C

4、1947.4667sexFEMALEFEMMEFEMMXFEKXLEETMKLEMUXMJILETNNEP-CTTYTOTERCTTYR7RALTKNER_CTTYTOWTJWER-CITTTOWNincose21524.031223377.76“27772.3：4621658.43”24J47.32t526353.635419.2842iLaxxiedYMNOYE3nrYE3皿HCchxldxen032i004carMCNONOMCNOYESYESYUYESYE5HCresNOYETcumf KYISnsYESYESVISYTSYTSsorta&aeHCNONOJKNOYES耽pepXCNO

5、NOYt，因YE3Clustered instances077( 139)1 It( 139)2 77( 13，)3 147( 2卬l106( ie i)|结果解释.首先我们注意到结果中有这么一行：这是评价聚类好坏的标准，数值越小说明同一簇实例之间的距离越小。也许 你得到的数值会不一样；实际上如果把“seed”参数改一下，得到的这个数值就 可能会不一样。我们应该多尝试几个seed,并采用这个数值最小的那个结果。接下来Clustercentroids:之后列出了各个簇中心的位置。对于数值型的属 性，簇中心就是它的均值(Mean)；分类型的就是它的众数(Mode),也就是说这个属性上取值为众数值的

6、实例最多。对于数值型的属性，还给出了它在各个簇 里的标准差(Std Devs)。 最后的“Clustered Instances”是各个簇中实例的数目 及百分比。为了观察可视化的聚类结果，我们在左下方“Resultlist”列出的结果上右击， 点 u Visualize cluster assignments,如下图所示：弹出的窗口给出了各实例的散点图（操作说明详见第七章）。最上方的两个框 是选择横坐标和纵坐标，第二行的“color”是散点图着色的依据，默认是根据不 同的簇“Cluster”给实例标上不同的颜色，如下图所示：五、实验报告实验结束后，学生对摹拟操作进行总结，编写出实验报告。实验报

7、告包括如下内容：1、实验题目2、实验的目的和要求；3、实验仪器4、实验步骤5、实验结论6、本次实验取得的主要收获和体味，结合所学的理论知识谈谈K均值算法 应用的好处以及还有哪些应用前景。实验七： 基于密度的方法-DBSCAN方法实现聚类一、实验目的1、通过本次试验了解基于密度的方法-DBSCAN方法实现聚类的基本原理；2、锻炼学生对基于密度的方法-DBSCAN方法实现聚类的操作水平；3、通过摹拟和讨论，确保学生深刻体味基于密度的方法-DBSCAN方法在整 个聚类过程中的重要性。二、实验内容本实验的主要内容是通过对wake软件系统的实验，了解基于密度的方法-DBSCAN方法实现聚类分析的原理以及

8、具体的实验步骤。三、实验设备（一）实验设备1、计算机控制系统，包括计算机、wake软件等（二）软件环境1、服务器采用Java操作系统；2、操作软件：wake软件四、实验内容和步骤用 “Explorer” 打开 “bank.arff”，并切换到 “Cluster。点 “Choose” 按钮 选择“DBSCAN，这是WEKA中实现DBSCAN的算法。点击旁边的文本框， 修改参数epsilon和minpoints,epsilon表示epsilon领域的半径（搜索半径）， minpoints表示epsilon领域至少包含点数。datab&se.Typed&tabase.dx stancType eka

9、 clusterers. forOPTICSAndDBScan Databases. Sequenti alDatabase eka clusterers. forOPTICSAndDBScan DataObjects. EuclidianDattObjeci0.9|epsilonainPoints6点击运行Cluatered DataObjects: 57B Number of autxxbutes: S Epsilon: 0.9; xinPoints: 6 Index: weka.clusterers.forOFTICSAndDBScan.D4 Distance-type: weka.cl

10、usterera.forOPTICSAndl Number of generated clusters: 34 Elapsed time: 910(3%)1010(3%)116(2%)126(2%)1312(3%)1410(3%)1524(7%)18(2%)1711(3%)1811(3%)198(2%)208(2%)218(2%)227(2%)239(3%)2419(5%)257(2%)266(2%)2711(3%)287(2%)297(2%)306(2%)3111(3%)3210(3%)336(2%)Unclustered instances : 22933类类别越多,epsilon 又该表示在此设定下，有229条数据被认为是噪声，其余的分成为了注意： minpoints越小，epsilon越大，噪点越少，minpoints越小, epsilon越大，类别越少。思量：在数据项的属性中既有数值型，又有字符型时，距离值如何计算，如何设定。五、实验报告实验结束后，学生对摹拟操作进行总结，编写出实验报告。实验报告包括如下内容：1、实验题目2、实验的目的和要求；3、实验仪器4、实验步骤5、实验结论6、本次实验取得的主要收获和体味，结合所学的理论知识谈谈DBSCAN方 法应用的好处以及还有哪些应用前景。