2023学年完整公开课版KMeans

数据挖掘技术与应用1概述2相似性度量3

K-Means4K-Medoids目录5层次聚类例：某餐饮公司欲通过客户消费记录寻找VIP客户，进行精准营销。K-Means客户id客单价a1b2c4d5随机选取K个样本作为类中心；计算各样本与各类中心的距离；将各样本归于最近的类中心点；求各类的样本的均值，作为新的类中心；判定：若类中心不再发生变动或达到迭代次数，算法结束，否则回到第2步。K-Means算法步骤选定样本a和b为初始类中心，中心值分别为1、2K-Means12classa011b102c322d432center1=1center2=11/3111/3classa08/31b15/31c31/32d44/32center1=3/2center2=9/23/29/2classa1/27/21b1/25/21c5/21/22d7/21/22center1=3/2center2=9/2选中心求距离归类求新类中心判定结束结束a1b2c4d5外部指标：将聚类结果与实际结果进行比较内部指标：不依赖于任何参考模型，直接考察聚类结果聚类结果性能度量性能度量：簇内相似度与簇间相似度数据集聚类结果参考模型

集合SS包含了在

中属于相同簇且在

中也属于相同簇的样本对。集合SD包含了在

中属于相同簇但在

中属于不同簇的样本对。…聚类结果性能度量外部指标（externalindex）样本值1245实际类别0011聚类结果11000Jaccard系数（JaccardCoefficent，JC）FM指数（FowlkesasMallowsIndex，FMI）Rand指数（RandIndex，RI）上述指标结果均在[0，1]区间，值越大越好聚类结果性能度量外部指标（externalindex）外部指标（externalindex）聚类结果性能度量样本值1245实际类别0011聚类结果11000聚类结果20010聚类结果31100Compactness(紧密性)(CP)：各样本到聚类中心的平均距离Separation(间隔性)(SP)：各类中心间的平均距离聚类结果性能度量内部指标（internalindex）Compactness(紧密性)(CP)：各样本到聚类中心的平均距离Separation(间隔性)(SP)：各类中心间的平均距离K-Means练习：用k-Means算法将鸢尾花数据聚类，k由1取至5，计算相应CP和SP值内部指标（internalindex）聚类结果性能度量：簇

内样本间的平均距离

：簇

内样本间的最远距离

：簇

与簇

最近样本间的距离

：簇

与簇

中心点间的距离样本值1245聚类结果11000DB指数（Davies-BouldinIndex，DBI）Dunn指数（DunnIndex，DI）DBI值越小约好，DI值越大越好聚类结果性能度量内部指标（internalindex）DB指数（Davies-BouldinIndex，DBI）Dunn指数（DunnIndex，DI）DBI值越小约好，DI值越大越好聚类结果性能度量内部指标（internalindex）样本值1245聚类结果11000思考：K-means聚类的特点是什么？K-Means适用于球状簇OriginalPointsK-means(2Clusters)优点：算法简