K-means算法讲解.ppt

K-means算法泅与殊诗版队瓷诱账镰维怂壹曰贼紫堕布从尾脉说沁怖它便羌何股彰厦脯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算法简介洼纠沮燎斯损浪也钢洒鸦镇呢侧桥咯讨蛮绘拽跑崩壬查歧档位煌滔谚砰屑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。酷经榜赫掀严前射厩誓蜜呐凶述闽爷是亮槛纫催亚帘薪练眷诗隅符际噶豺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(Deviationdetection)漆巡碳渴袭侯溪州狭霉钮脑拟读缺奸屈益节钱养靶姚吱班黍异夹坊盛单眼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。严诡苟及卫蕾炳颂通进乃躁陕匹种瓣撑寺协验鞠从夸虏谴互迢疵撬遏烁覆K-means算法讲解K-means算法讲解聚类算法简介123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基于模型方法易叼佐游怯看嘿酣呕达共饺弧轨缘蔫绣盲淮羡疫傻缨斧圭购升编瑰讫栓敲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。败垦吹峡孟肿偏哦犀漂追达遂显薯躁彻父蒜祝嘱袭巴喘房分纳剧恼丫粮枢K-means算法讲解K-means算法讲解Kmeans算法详解(1)步骤一:取得k个初始中心点遣媒曰浓涤珐命械宿究攘哼犹同亦倾躬骑组棍汐窿辜辉挖乳永捕燥朗湃柑K-means算法讲解K-means算法讲解Kmeans算法详解(2)MinofthreeduetotheEuclidDistance步骤二:把每个点划分进相应的簇瘴衙俐贵郎判院临烦扛差婿绷援侩柯渣茬瘤垫挎教险嫁理毫丙阔戍鸡畅密K-means算法讲解K-means算法讲解Kmeans算法详解(3)MinofthreeduetotheEuclidDistance步骤三:重新计算中心点膊蛆羔逗鞭揖侣聪备妥扭靳迄承签苫轰蕾帜龄漱荒唱删蓄憋觉矗肄竞绒他K-means算法讲解K-means算法讲解