数学建模学习笔记之评价问题聚类分析法

数学建模学习笔记之评价问题聚类分析法

物以类聚、人以群分。

聚类分析是一个很大的概念，显然根据分类的依据不同会出现很多很多聚类的方法。例如K-Means 、Sequential Leader、Model Based Methods、Density Based Methods、Hierarchical Methods、EM、蚁群算法等等。各类算法之间并没有优劣之分，只存在选择是否恰当问题。数学建模主要注重结论，所以这里就重点讲解其中比较有名的K-Means聚类和它在SPSS软件上的实现。

聚类：把各不相同的个体分割为有更多相似性子集合，产生的子集叫做簇

应用领域：客户价值分析、文本分类、数据处理等

K-Means聚类（K-均值）分析

算法步骤

1. 随机选取K个样本作为类中心
2. 计算各样本与各类之间的距离
3. 将各样本归于最近的类中心点
4. 求各类样本的均值，作为新的类中心
5. 判定：若类中心不再发生变动或到达迭代次数，算法结束，否则返回第二步。

聚类指标

外部指标：将聚类结果与参考模型进行比较

a:集合SS包含在聚类结果中属于相同簇在参考模性中也属于相同簇的样本对。

b:集合SD包含在聚类结果中属于相同簇在参考模性中属于不同簇的样本对。

c:集合DS包含在聚类结果中属于不同簇在参考模性中属于相同簇的样本对。

d:集合DD包含在聚类结果中属于不同簇在参考模性中属于不同簇的样本对。

Jaccard系数
$$JC=\frac{a}{a+b+c}$$
FM指数
F M I = a a + b ∗ a a + c FMI=\sqrt[]{\frac{a}{a+b}*\frac{a}{a+c}} FMI=<