数据挖掘-层次聚类·单身狗问题分析

是这样的，今天走在路上，我忽然想到一个问题：

假如世界上每个人，都有可能与若干个人发生姻缘，唯一的问题就在于你能不能遇到这个人；但每个人的魅力又是不同的，魅力非常棒的人因此非常容易脱单，魅力差的人则非常难以脱单，那么，如果将世上所有的人分类，会是一种什么样的结果呢？

>实验设计：

假设有大小为V的人群，他们中两两间可能产生姻缘的概率（不管他们此刻是否认识或有联系）服从函数F(love)，当函数为真时，就输出一条边，如：" { 3 :: 8 } "，表示3和8之间有可能产生姻缘，显然这是一条无向边。

对某两个人如A与B节点进行分析，当他们间"姻缘边"指向的人数重合度越大时，我们就认为这个两个人是相近的，也就是说他们潜在的婚恋对象很可能是同一个人。

这里可以简单使用Jaccard距离进行表示，利用java语言，两三行set集合类的操作语句就能解决了：

unionSet.addAll(A);
unionSet.addAll(B);

intersectionSet.addAll(A);
intersectionSet.retainAll(B);

jaccard=intersectionSet.size()*1.0/unionSet.size();

然后，对获取的数据，进行层次聚类，将聚集后的输出输出到一个xls文件中，再利用Cytoscape软件可视化结果。

现在还剩一个问题，怎么确定F(love)函数呢？毕竟也没人统计过这个数据....Er，我觉得吧，这种玄学问题，就交给玄学数值0.618吧！：

RATE=(Math.sqrt(5)-1)/2;
if(Math.random() <= RATE ){
  builedEdge();
}

然后就让我们愉快地来计算结果吧！

>结果如下：

用circular图可能会更清楚一点：

>结果分析:

不怎么科学地分析一下，橙色点集合中，我查了一下基本属于姻缘边处于平均水平的人群，且这些人间的魅力值、关系度较为紧密，也就是说，大部分人处于这个集合中，大概，就是常说的凡人吧；

红色的有点特殊，我查看了原始数据，他们的关系度较其他点集合更为分散，甚至还出现了自恋的倾向，非要说的话，“怪胎”？

再往后，绿色、紫色、蓝色拥有较为平均的相似人群，也就是说，他们的对象的潜在人群大小相似，自成一个小圈子，这个应该是按领域来分布的，比如说，二次元、高学历人群、农村居民等。而魅力值（以姻缘边数目计），依次呈现下降状态；

然后是深绿颜色，这部分点特殊的一点是，他们都是极高魅力或是极低魅力的人群，同样，有着相似数目的潜在姻缘人群；所以社交达人永远和小透明不可能在一起了么..

最后是粉色，粉色部分看不出有啥特殊之处，不过可以看到他们的离散程度非常分数，基本是可以认为是这辈子都找不到对象了...

模拟所用的数据下载：

http://download.csdn.net/detail/shenpibaipao/9847254

哈哈哈，挺好玩的其实。学习不一定是为了学而学。

程序员还是很厉害的，有时候还可以模拟一下单身问题，然后对着一屏幕代码默默流泪...

最后补充一些好看的Cytoscape图吧，Cytoscape是个好东西，不妨一试：