数学建模聚类模型

聚类模型

聚类就是将样本划分为由类似的对象组成的多个类的过程。聚类后,我们可以更加准确的在每个类中单独使用统计模型进行估计、分析或预测也可以探究不同类之间的相关性和主要差异。聚类和分类的区别是分类是已知类别的,聚类未知。

K-means聚类算法

  • 步骤
  1. 指定需要划分的簇的个数K值(类的个数)
  2. 随机地选择K个数据对象作为初始的聚类中心(不一定要是样本点)
  3. 计算其余的各个数据对象到这K个初始聚类中心的距离,把数据对象划归到距离它最近的那个中心所处在的簇类中。
  4. 调整新类并且重新计算出新类的中心。(通常是重心)
  5. 循环步骤三和四,看中心是否收敛(不变),如果收敛或达到迭代次数则停止循环。
  6. 结束。
  • 优点
  1. 算法简单、快速。
  2. 对处理大数据集,该算法是相对高效率的。
  • 缺点
  1. 要求用户必须事先给出要生成的簇的数目K。
  2. 对初值敏感。
  3. 对于孤立点数据敏感。

K-means++聚类算法

初始的聚类中心之间的相互距离要尽可能的远。

  • 步骤
  1. 随机选取一个样本作为第一个聚类中心。
  2. 计算每个样本与当前已有聚类中心的最短距离(即与最近一个聚类中心的距离),这个值越大,表示被选取作为聚类中心的概率较大。最后,用轮盘法(依据概率大小来进行抽选)选出下一个聚类中心。
  3. 重复步骤二,直到选出K个聚类中心。选出初始点后,就继续使用标准的K-means算法了。
  • 使用SPSS
    在这里插入图片描述
    处理量纲不一致的方法 :标准化 z i = x i − x ˉ σ x z_i=\frac{x_i-\bar x}{\sigma_x} zi=σxxixˉ
    在这里插入图片描述
    在这里插入图片描述

系统(层次)聚类

  • 步骤
  1. 将每个对象看作一类,计算两两之间的最小距离。
  2. 距离最小的两个类合并成一个新类
  3. 重新计算新类与所有类之间的距离。
  4. 重复二三两步,直到所有类最后合并成一类。
  5. 结束。
  • 距离问题

    • 样本与样本之间的距离
      在这里插入图片描述
    • 指标与指标之间的距离
      在这里插入图片描述
    • 类与类之间的常用距离
    1. 最短距离法(Nearest Neighbor)
      在这里插入图片描述
    2. 最长距离法(Furthest Neighbor)
      在这里插入图片描述
    3. 组间平均连接法(Between-group Linkage)在这里插入图片描述
    4. 组内平均连接法(Within-group Linkage)
      在这里插入图片描述
      5.重心法(Centroid clustering)
      在这里插入图片描述
  • Spss软件操作
    在这里插入图片描述

  • 聚类谱系图(树状图) 在这里插入图片描述

  • 用图形估计聚类的数量

    • 肘部法则(Elbow Method):通过图形大致的估计出最优的聚类数量
      k越大,畸变程度越大。在这里插入图片描述
  • 聚合系数折线图的画法
    在这里插入图片描述

  1. 根据聚合系数折线图可知,当类别数为5时,折线的下降趋势趋缓,故可将类别数设定为5。
  2. 从图中可以看出, K值从1到5时,畸变程度变化最大。超过5以后,畸变程度变化显著降低。因此肘部就是 K = 5 K=5 K=5,故可将类别数设定为5。(当然, K = 3 K=3 K=3 也可以解释)
  • 确定K后保存聚类结果并画图
    在这里插入图片描述

DBSCAN算法

  • 数据点分类
  1. 核心点:在半径Eps内含有不少于MinPts数目的点
  2. 边界点:在半径Eps内点的数量小于MinPts,但是落在核心
    点的邻域内
  3. 噪音点:既不是核心点也不是边界点的点
  • 例子
    在这里插入图片描述
    在这幅图里,MinPts = 4,点 A 和其他红
    色点是核心点,因为它们的 ε-邻域(图中红色
    圆圈)里包含最少 4 个点(包括自己),由于
    它们之间相互相可达,它们形成了一个聚类。
    点 B 和点 C 不是核心点,但它们可由 A 经其
    他核心点可达,所以也和A属于同一个聚类。
    点 N 是局外点,它既不是核心点,又不由其他点可达。

  • 伪代码
    在这里插入图片描述

  • 优点

  1. 基于密度定义,能处理任意形状和大小的簇;
  2. 可在聚类的同时发现异常点
  3. 与K-means比较起来,不需要输入要划分的聚类个数
  • 缺点
  1. 对输入参数ε和Minpts敏感,确定参数困难;
  2. 由于DBSCAN算法中,变量ε和Minpts是全局唯一的,当聚类的密度不均匀时,聚类距离相差很大时,聚类质量差。
  3. 当数据量大时,计算密度单元的计算复杂度大

(推荐在观察变量长得不像“DBSCAN”时,全部使用系统聚类)

  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值