数据挖掘试验教案4

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、通过模拟和讨论，确保学生深刻体会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“

2、ChoosS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,说明我们希望把这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10。如下图所示：NuritjerorluerationsioKithiezclusterauonofaquarsd巳工亡口二号11"ED4-"41££53522332：Mi3sirgvaluesql口匕allyreplacFi二h加

3、尸刁口，mnd产CluaterceE.trQida;ClU5tPT#AtrirueFull1吗匕oL(03JE(7617门1471(iffi<117iage42.39337,12994水31L1m丸use助廉1947.661MEHFEMALErEMU£"EMm：FEEALEFEMALEHALCe且ginuINWTRjCTTYunreR_ciT¥R7RALINNER_CITYmwwrmrEftj:iTT7OWKincoM27524,031223377.760427772痛瓯*3>«24047.3S4S26354.ft3Ml.9的Zzarzied

4、YESHOYESYESl£E3YE3nceh.ldzea0a2100A上car况KONOnoNOYES悭yusrESYES5J0ZESNOcurreeil:actYISsfES¥ESYE£ZEEYESYZSlEjortacaeNCNONOKNO正5敢NCHQ即ITS皿ciusLeredinLances077（13*）1 7fi（131）2 77（13，）3 147（翡助4 106（181）结果解释：首先我们注意到结果中有这么一行：Withinclustersumofsquarederrors:1604.7416693522332这是评价聚类好坏的标准，数值越小说明

5、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,并采纳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（StdDevs）。最后的“ClusteredInstances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“Resultlis

6、t”列出的结果上右击，点“Visualizeclusterassignments,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，学生对模拟操作进行总结，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K均值算法6、本次实验取得的主要收获和体会，结合所学的理论知识谈谈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

7、、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、通过模拟和讨论，确保学生深刻体会基于密度的方法-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“C

8、luster"。点“Choosg'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领域最少包含点数。database_Iypeweka.clustsrargsforOFIICSAndDBSean.Databates.SequentialDa.taba.sedate_distaxLcelypeteka.clustrers.£crOPIICSAxidDEScazi.DattObjects.Ex

9、iclidiaxiDttaObjetle：pEilan。闾minPints6Open.Save.«OKCazic-el点击运行CLustezedDataCbjscts:5*?*Jcf国二七£珏丫七已日；vEpjilon:0.9;jninfointj：6Index:weka.clustrers.forOPTICSAndDBScan.r.DL9Eance-Efpe!weka.c1ugxerera.fcrOETICStndJNumberofgeneratedclasters:34EL4paedtime:S910(3曲1010(对116(2打126(2%)1312(31)1.410(3%)1524(71)168(2%)1711(31)1311(3%)19S(21)20e(2犯21s(2%)227(2号)23g(3*)24is(51)2s7(鸿）26(21)2711(3%)287(21)297(2%)306(力）3111(3%)3210(3%)336(2打Unclusteredinstances:229表示在此设定下，有229条数据被认为是噪声，其余的分成了33类注意：minpoints越小，epsilon越大，噪点越少，minpoints越小，类另U越多，epsilon越大，类别越少。思考：在数据项的属性中既有数值型，又有字