聚类分析在用户行为中的实例_聚类分析实例

k-means

聚类”——数据分析、数据挖掘

一、概要

分类作为一种监督学习方法，

要求必须事先明确知道各个类别的信息，

并

且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满

足，

尤其是在处理海量数据的时候，

如果通过预处理使得数据满足分类算法的要

求，则代价非常大，这时候可以考虑使用聚类算法。

聚类属于无监督学习，相比

于分类，

聚类不依赖预定义的类和类标号的训练实例

。

本文介绍一种常见的聚类

算法——

k

均值和

k

中心点聚类，最后会举一个实例：应用聚类方法试图解决

一个在体育界大家颇具争议的问题——中国男足近几年在亚洲到底处于几流水

平。

二、聚类问题

所谓聚类问题，就是给定一个元素集合

D

，其中每个元素具有

n

个可观

察属性，使用某种算法将

D

划分成

k

个子集，要求每个子集内部的元素之间相

异度尽可能低，而不同子集的元素相异度尽可能高。其中每个子集叫做一个簇。

与分类不同，

分类是示例式学习，

要求分类前明确各个类别，

并断言每个

元素映射到一个类别，

而聚类是观察式学习，

在聚类前可以不知道类别甚至不给

定类别数量，是无监督学习的一种。目前聚类广泛应用于统计学、生物学、数据

库技术和市场营销等领域，

相应的算法也非常的多。

本文仅介绍一种最简单的聚

类算法——

k

均值(

k-means

)算法。

三、概念介绍