MS聚类分析算法
来源:互联网 发布:esi数据库检索入口 编辑:程序博客网 时间:2024/06/07 00:56
MS聚类分析算法
它是一种“分段”或“聚类”算法,以将示例分组到包含相似特征的分类中。
它首先标识数据集中的关系,并根据这些关系来生成一系列分类,可以设置MiniMum_Support(分类的最小支持量)和Cluster_Count(大致分类数)来限制分类的数量
它有两种分类算法,通过clustering_method属性来设置
3.1. K-means算法,每个数据点只属于一个分类
3.2. EM算法(默认),每个数据点属于多个分类决策树与聚类算法的区别
4.1. 决策树:是以目标为导向,分析各属性及其值对目标的影响度来逐步生成决策树的,它最重要的作用是获取输入对输出的想象力的排序。
4.2. 聚类:是根据各属性间的关系来对数据进行分类,它最重要的作用是获取各个群体的共有属性决策树模型所需数据
5.1. 单键列:数据的主键,不允许复合键
5.2. 输入列:要输入到算法里的数据列,可为离散或连续类型
5.3. 可预测列:输出,要预测的结果(方向)建立聚类算法挖掘结构
6.1. 参照决策树算法挖掘结构的建立,除了算法不一样,其它的在向导中都一样
6.2. 打开“挖掘模型”-》右键“MicroSoft_Clustering”算法-》设置算法参数-》将“Clustering_Count”设置为8,意思是大致分成8个分类查看——挖掘模型查看器
7.1. 分类关系图:可以看到算法计算出的分类,和分类间的关系,以及关系的强弱-》上方的“明暗度”就是属性-》“状态”就是属性的值-》网点的颜色越深表示该字段该值的发生概率越高-》可以重命名各分类
7.2. 分类剖面图:可以看到各个分类的各个属性特征-》点击分类下的方框可以通过图例查看特征的详细情况-》上面是该分类下该属性值的分布情况,下面是该分类的总体特征(也就是筛选条件)
7.3. 分类特征:可以看到该分类下,各个属性和属性值的发生概率,以此来观察分类的特征情况
7.4. 分类对比:可以对比两个分类下各属性及属性值的差异查看——挖掘准确性图表,参考决策树的准确性图表
参考图
9.1. 生成的分类关系图,可以看到,在属性为isBuyer,属性值为1(购买)的情况下,分类5的购买概率为64%
9.2. 分类剖面图,再来看看分类5的详细群体特征,女性,年龄33-53,入会方式巴拉巴拉,就是我们的优秀会员了
- 以此特征,我们可以观察到,女性,年龄33-53的人群,是我们购物中心的可能的优质客户,所以在推广上,我们是否应该向此类人群倾斜呢?这是聚类算法带给我们的启示
- MS聚类分析算法
- MS顺序与聚类分析算法
- 聚类分析算法
- 聚类分析算法
- 数据挖掘算法--聚类分析
- 聚类分析--k中心点算法
- 聚类分析--k中心点算法
- 聚类分析: k-means算法
- 遗传算法聚类分析
- 聚类分析中几种算法的比较
- 聚类分析中几种算法的比较
- 聚类分析中几种算法的比较
- 聚类分析中几种算法的比较
- 聚类分析中几种算法的比较
- 聚类分析之K-meas算法
- Java实现聚类分析Kmeans算法
- 聚类分析中几种算法的比较
- 模式识别(聚类分析算法))
- Mybatis 源码解析 -事务模块
- 论文阅读:Network in Network
- c++中vector存在==
- iOS MAC终端 ~ sqlite3简单使用
- Android Canvas沿着Path绘制文字
- MS聚类分析算法
- codeforces822E Liar -- DP+Hash
- 房间安排
- java内存分配解析
- SpringMVC
- 分析zookeeper能做什么
- Android中自定义LayoutInflater.Factory实现全局替换系统控件(比如TextView,EditText等)
- MS贝叶斯分析算法
- CSDN博客插入图片