数据挖掘算法学习（一）K-Means算法

博主近期实习開始接触数据挖掘，将学习笔记分享给大家。眼下用的软件是weka。下篇文章会着重解说。

转载请附上链接http://blog.csdn.net/iemyxie/article/details/38173495

算法简单介绍：

K-Means算法是输入聚类个数k，以及包括n个数据对象的数据库，输出满足方差最小标准的k个聚类。并使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类对象相似度较小。

算法如果：

均方误差是计算群组分散度的最佳參数。

算法输入：

聚类个数k；包括n个数据对象的数据集。

算法输出：

k个聚类

算法思想：

(a)绿点表示数据集在二级的欧几里德空间。初始化的中心点u1和u2用红的和蓝的叉来分别表示

(b)在最初的E步骤中。每一个点依据离哪个簇中心点近，被指定为属于红簇还是蓝簇。这等于将这些点依据垂直于两个中心点的分隔线的的哪边分类，它用紫色的线表示。

(c)在接下来的M步骤。又一次计算每一个簇的中心点的平均值作为每一个簇的中心点。

直至中心点位置不变或者变化非常小。

weka执行：

以weather.nominal.arff为例执行结果部分截图例如以下：

从结果中能够看出。这组数据用K-Means算法迭代四次，初始产生了两个中心点。终于有10个instances聚合为一类，4个instances聚合为一类。

函数调用代码：

//读入样本

Filefile=new File("F:\Program Files (x86)\Weka-3-7\data\weather.nominal.arff");

ArffLoaderloader= newArffLoader();

loader.setFile(file);

ins=loader.getDataSet();

//初始化聚类器并设置k值

KM= new SimpleKMeans();      

KM.setNumClusters(2);

//进行聚类

KM.buildClusterer(ins);

//打印结果

tempIns=KM.getClusterCentroids();

System.out.println(“CentroIds:”+tempIns);

执行结果例如以下：

@attributeoutlook {sunny,overcast,rainy}

@attribute temperature {hot,mild,cool}

@attribute humidity {high,normal}

@attribute windy {TRUE,FALSE}

@attribute play {yes,no}

@data

sunny,mild,high,FALSE,yes

overcast,cool,normal,TRUE,yes

算法应用：

1.图片切割

图为取不同k值时的效果。

2.电子商务中分析商品相似度。归类商品

3.分析公司的客户分类，使用不同的商业策略


原创文章，转载请附上链接http://blog.csdn.net/iemyxie/article/details/38173495