数据挖掘06-聚类课件

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,第五章 聚类分析,生物信息学平台,2,内容,一、聚类分析的功能,二、聚类分析的方法,三、聚类分析的应用,3,一、聚类分析的功能,聚类：将数据集划归为不同组别,作用：,获得数据的分布规律，进一步分析,数据预处理，为分类、关联规则等作准备,4,一、聚类分析的功能,与分类相同：,聚类的依据：特征属性,聚类过程：相似程度高的聚为一类,与分类不同：,无监督的学习,验证更复杂,聚类结果的质量,相似性,6,相似性度量（数值型）,例,1,：,相似性判断：,式,5.1,原始数据,结论：,1,、,2,相似程度高，这一结论可信吗？,一、聚类分析的功能,7,一、聚类分析的功能,相似性度量,例,1,：,问题：年龄、血压范围、数量级不同，应,归一化：,0,1,结论：,1,、,3,相似程度高,8,一、聚类分析的功能,相似性度量,例,1,：,10,一、聚类分析的功能,相似性度量（分类型）,二值：式,5.10/5.12,对称型（男、女）,非对称型（阳性,1,、阴性,0,）,例：,Xi=0, 0, 1, 1, 0, 1, 0, 1,Xj=0, 1, 1, 0, 0, 1, 0, 0,对称型：,D=3/8, S,5/8,非对称型：,D=3/5, S,2/5,（忽略特征值均为,0,的属性）,11,一、聚类分析的功能,相似性度量（二值型,-,对称）,例,2,：,式,5.10,式,5.11,结论：,1,、,2,相似程度高,13,相似性度量,排序型：转为数值型后，式,5.16,，计算相似性,例,4,：,结论：,相似程度最高， 最不相似,大小说明相似程度不一样，可定量衡量,一、聚类分析的功能,15,一、聚类分析的功能,相似性度量,(,混合型，式,5.17),例,5.1,：,相似程度最高,16,聚类方法,划分法,k,-,均值算法,k,-,中心点算法,分层,凝聚型分层聚类,分裂型分层聚类,基于密度的方法,基于网格的方法,基于模型的方法,二、聚类分析的方法,18,k,-,均值算法,随机,选择若干样本作为初始的簇的质心,（平均点）,；,repeat,计算对象与各个簇的质心的距离，将对象划分到距离其最近的簇；,重新计算每个新簇的均值；,until,簇的质心不再变化,。,二、聚类分析的方法,19,k,-,均值算法,二、聚类分析的方法,20,二、聚类分析的方法,聚类过程,例（同分类）：,12,个样本,有两个特征属性,f1,、,f2,，,类别未知，要分成两类,21,二、聚类分析的方法,聚类过程,例（同分类）：,随机放入,A,、,B,两类,:,1,4,8A,0,3,7,9,10B,0,初始，求聚类中心（均值）,:,C,A0,(4.67, 5),C,B0,(6.75, 6.25),22,二、聚类分析的方法,聚类过程,各样本到聚类中心的距离,迭代，,C,A1,(4.17, 3.33),C,B1,(9, 7),不断逼近的过程，细微的调整、优化,24,二、聚类分析的方法,聚类过程,特征属性可用数值描述,上例中,f1, f2,值在同一数量级中。,若不在同一数量级、相差较大，要进行怎样的预处理？否则，会有怎样的困难？,25,三、聚类分析的应用,应用实例,:,聚类在基因表达谱知识挖掘中的应用,目的,对两个公共的基因表达数据集进行研究，以发现大规模基因表达谱蕴含的信息,研究目标变为,DM,的问题：聚类,数据采集：,CNS,数据集：,NCI60,数据集,：,26,数据预处理,数据挖掘建立模型,贝叶斯聚类,