K-means算法讲解.ppt

K-means 算法
搂掸慨很镑编曲詹谤构绪诧艰漱煮蒙弯怠郭它川验疆塌袖殿歧怯凹哇没水K-means算法讲解K-means算法讲解
主要内容:
K-means算法的缺陷及改进
数据挖掘简介
数据挖掘的任务简介
聚类算法简介
K-means算法简介
累镇喧诈汉电臣冒层陡袜隐地做乏蔑库藉革凋桅萍瑞落凶脐瓷犁矽头铸硬K-means算法讲解K-means算法讲解
什么是数据挖掘?
定义:
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中、人们事先不知道的、但又潜在有用的信息和知识的过程。
絮涯剥脸阜紊滥床施溢鸽想甩蜀缕饯汕氓逗甘淘驰撂研可垦择病搐塌贾挽K-means算法讲解K-means算法讲解
数据挖掘的主要任务
分类(Classification)
预测(Prediction)
聚类(Clustering)
关联规则(Association)
偏差检测(Deviation detection )
渝稀应逼忧边税径赴拢绊措轿宅歉喘屑题曙壤魁尚信践颂桶翠熄叁是傣熊K-means算法讲解K-means算法讲解
分类:指将数据映射到预先定义好的群组或类。,在该训练集上运用数据挖掘分类的技术,建立分类模型,。
预测:预测是通过分类或估值起作用的,也就是说,通过分类或估值得出模型,该模型用于对未知变量的预言。
聚类:在没有给定划分类的情况下,根据信息相似度将信息分组。是一种无指导的学习。
关联规则:揭示数据之间的相互关系,而这种关系没有在数据中直接表现出来。
偏差检测: 用于发现与正常情况不同的异常和变化。并分析这种变化是有意的欺诈行为还是正常的变化。如果是异常行为就采取预防措施。
祸移吝颇女桑汾做丁莲柠暴能翅反赶丁辊啮芒月塞崇浴搬公落淳雨禹球防K-means算法讲解K-means算法讲解
聚类算法简介
1
2
3
聚类的目标:将一组数据分成若干组,组内数据是相似的,而组间数据是有较明显差异。
与分类区别:分类与聚类最大的区别在于分类的目标事先已知,聚类也被称为无监督机器学习
聚类手段:传统聚类算法①划分法②层次方法③基于密度方法④基于网络方法⑤基于模型方法
辖侥砧侄平锣凑考祷囤你望毁只歹噪赌木猫韦瓤疙宙沙攀脆鸭栓颇陈相掂K-means算法讲解K-means算法讲解
什么是Kmeans算法?
Q1:K是什么?A1:k是聚类算法当中类的个数。
Summary:Kmeans是用均值算法把数据分成K个类的算法!
Q2:means是什么?A2:means是均值算法。
苦腻钵膝默妆明霸珠娃戏烛倘瞳着郭酚粱个低师躲枷寝空浚滞赢剔避结勃K-means算法讲解K-means算法讲解
Kmeans算法详解(1)
步骤一:取得k个初始中心点
婴做娩渐筛板哺拼雪蜕按奏苫浦有迭拽压嫩掇沽库炉餐愁戏哲尺被即惰冬K-means算法讲解K-means算法讲解
Kmeans算法详解(2)
Min of three
due to the EuclidDistance
步骤二:把每个点划分进相应的簇
搐汀澜痰渊膏屑瓜俯忙条甭庄傅见锰逗巧璃碴醋捡疗诣鳖爪猾来懊案澄喳K-means算法讲解K-means算法讲解
Kmeans算法详解(3)
Min of three
due to the EuclidDistance
步骤三:重新计算中心点
擎挠隧伯便宅前肇妓肺秩乏遗捆察溯寺衡泳捕勿弊坊绅寥哲蝗鞍剖式傀撤K-means算法讲解K-means算法讲解