基于基站定位数据的商圈分析上机报告.docx

基于基站定位数据的商圈分析上机报告1数据读取及其标准化setwd(E:/数据处理)Data=read.csv(./business_circle.csv,header=T,encoding=utf-8)colnames(Data)=c(number,x1,x2,x3,x4)attach(Data)y1=(x1-min(x1)/(max(x1)-min(x1)y2=(x2-min(x2)/(max(x2)-min(x2)y3=(x3-min(x3)/(max(x3)-min(x3)y4=(x4-min(x4)/(max(x4)-min(x4)standardized=data.frame(Data,1,y1,y2,y3,y4)write.csv(standardized,./standardizedData.csv,s=TRUE)2 模型构建2.1 层次聚类library(ggplot2)Data=read.csv(./standardizedData.csv,header=F)Data1=data.frame(y1,y2,y3,y4)attach(Data1)dist=dist(Data1,method=euclidean)hc1-hclust(dist,ward.D2) plot(hc1) plot(hc1, hang=-1)#分成三类re1-rect.hclust(hc1, k=3, border=purple) #对构建好的谱系聚类图进行分类，这里分三类a=re12 #列表名下标b=re13c=re11#商圈类别1matrix=Data1a, # 137个观测值、4个变量d-dim(matrix) #137 4y-as.numeric(t(matrix) # t()：矩阵转置，这里转换成数字向量row-factor(rep(1:d1,each=d2) x-rep(1:d2,times=d1) data-data.frame(y=y,x=x,row=row)View(data)ggplot(data=data,aes(x=x,y=y,group=row)+geom_line()+scale_x_continuous(breaks=c(1,2,3,4), labels=c(工作日人均停留时间, 凌晨人均停留时间, 周末人均停留时间,日均人流量)+labs(title=商圈类别1,x=,y=)#商圈类别2matrix=Data1b, d-dim(matrix)y-as.numeric(t(matrix)row-factor(rep(1:d1,each=d2)x-rep(1:d2,times=d1)data-data.frame(y=y,x=x,row=row)ggplot(data=data,aes(x=x,y=y,group=row)+geom_line()+scale_x_continuous(breaks=c(1,2,3,4), labels=c(工作日人均停留时间, 凌晨人均停留时间, 周末人均停留时间,日均人流量)+labs(title=商圈类别2,x=,y=)#商圈类别3matrix=Data1c,d-dim(matrix) #148 4y-as.numeric(t(matrix)row-factor(rep(1:d1,each=d2)x-rep(1:d2,times=d1)data-data.frame(y=y,x=x,row=row)ggplot(data=data,aes(x=x,y=y,group=row)+geom_line()+ scale_x_continuous(breaks=c(1,2,3,4), labels=c(工作日人均停留时间, 凌晨人均停留时间, 周末人均停留时间,日均人流量)+ labs(title=商圈类别3,x=,y=)2.2 K-means聚类setwd(E:/数据处理)Data=read.csv(./business_circle.csv,header=T,encoding=utf-8)km=kmeans(Data,center=3)print(km)#数据分组aaa=data.frame(Data,km$cluster) Data1=Datawhich(aaa$km.cluster=1), Data2=Datawhich(aaa$km.cluster=2), Data3=Datawhich(aaa$km.cluster=3), #商圈1的概率密度函数图par(mfrow=c(2,2) #公共参数列表 par #设置布局plot(density(Data1,1),col=red,main=工作日人均停留时间)plot(density(Data1,2),col=red,main=凌晨人均停留时间)plot(density(Data1,3),col=red,main=周末人均停留时间)plot(density(Data1,4),col=red,main=日均人流量)#商圈2的概率密度函数图par(mfrow=c(2,2)plot(density(Data2,1),col=purple,main=工作日人均停留时间)plot(density(Data2,2),col=purple,main=凌晨人均停留时间)plot(density(Data2,3),col=purple,main=周末人均停留时间)plot(density(Data2,4),col=purple,main=日均人流量)#商圈3的概率密度函数图par(mfrow=c(2,2)plot(density(Data3,1),col=blue,main=工作日人均停留时间)plot(density(Data3,2),col=blue,main=凌晨人均停留时间)plot(density(Data3,3),col=blue,main=周末人均停留时间)plot(density(Data3,4),col=blue,main=日均人流量)3 总结3.1数据标准化的方法及使用离差标准化原因1.数据标准化方法数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处理，即将数据统一映射到0，1区间上，常见的数据归一化的方法有：1）minmax标准化（Minmax normalization）也叫离差标准化，是对原始数据的线性变换，使结果落到0，1区间，转换函数如下：其中max为样本数据的最大值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。2）log函数转换通过以10为底的log函数转换的方法同样可以实现归一下，具体方法如下：3）atan函数转换用反正切函数也可以实现数据的归一化：使用这个方法需要注意的是如果想映射的区间为0，1，则数据都应该大于等于0，小于0的数据将被映射到1，0区间上。而并非所有数据标准化的结果都映射到0，1区间上，也有一些非归一化的方法，如下： 4)zscore标准化（zeromean normalization）也叫标准差标准化，是SPSS中最为常用的标准化方法：经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为：其中为所有样本数据的均值，为所有样本数据的标准差。5）Decimalscaling小数定标标准化这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性A的取值中的最大绝对值。将属性A的原始值x使用decimalscaling标准化到x的计算方法是：x=x/(10*j)其中，j是满足条件的最小整数。例如：假定A的值由-986到917，A的最大绝对值为986，为使用小数定标标准化，我们用1000（即，j=3）除以每个值，这样，-986被规范化为-0.986。2.使用离差标准化原因数据标准化处理后，原始数据均可以转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析，但是离差标准化是最常用最简单的一种方式3.2构建层次聚类模型时，可以调节哪些参数，对模型有何影响1.层次聚类1）计算变量之间的距离代码为：dist.r = dist(data, method=” “)其中method包括6种方法，表示不同的距离测度：”euclidean”, “maximum”, “manhattan”, “canberra”, “binary” or “minkowski”，分别表示欧几里德距离，切比雪夫距离，绝对值距离，Lance 距离，明科夫斯基距离，定性变量距离。使用不同的距离会对聚类的结果产生一定的影响2）使用hclust()进行聚类代码为：hc.r = hclust(dist.r, method = “ ”)其中method包括7种方法，表示聚类的方法：single，complete，median，mcquitty，average，centroid，ward。分别表示：最短距离法，最长距离法，中间距离法，相似法，类平均法，重心法，离差平方和法。 3）画图plot(hc.r, hang = -1,labels=NULL) 或者plot(hc.r, hang = 0.1,labels=F)hang 等于数值，表示标签与末端树杈之间的距离，若是负数，则表示末端树杈长度是0，即标签对齐。labels 表示标签，默认是NULL，表示变量原有名称。labels=F :表示不显示标签。2.k-mean聚类kmeans(x, centers, iter.max = 10, nstart = 1, algorithm = c(Hartigan-Wong, Lloyd, Forgy, MacQueen), trace=FALSE), centers是初始类的个数或者初始类的中心。iter.max是最大迭代次数，其中默认迭代次数为10。nstart是当centers是数字的时候，随机集合的个数。algorithm是算法，默认是第一个。3.3 K-mean 算法实现基本步骤1.算法步骤K-Means算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心(这个点可以不是样本点)，从而确定新的簇心。一直迭代，直到簇心的移动距离小于某个给定的值。K-Means聚类算法主要分为三个步骤：（1）第一步是为待聚类的点寻找聚类中心（2）第二步是计算每个点到聚类