聚類分析的現狀與前景研究_第1頁
聚類分析的現狀與前景研究_第2頁
聚類分析的現狀與前景研究_第3頁
聚類分析的現狀與前景研究_第4頁
聚類分析的現狀與前景研究_第5頁
已閱讀5頁，還剩20頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

聚類分析簡要介紹聚類分析是研究如何將樣品或變量進行分類的一種方法（將一些觀察對象依據某些微量特征加以歸類）。主要應用于探索性的研究，其分析的結果可以提供多個可能的解，選擇最終的解需要研究者的主觀判斷和后續的分析。分類：系統聚類：用于對小樣本的樣品間聚類以及對變量聚類。動態聚類：適用于樣本量較大時樣品間的聚類，常用k-means法處理。有序樣品聚類：對有排列次序的樣本的樣品間聚類，要求必須是次序相鄰的樣品才能聚成一類。房價問題2004年全國37大城市國民經濟和社會發展統計公報的相關數據分別從國內生產總值(GDP)、居民家庭人均可、支配收入、房價收入比、人均GDP這四個維度對全國37大城市的房價問題進行聚類分析房價收入比

房價收入比：是指居住單元的中等自由市場價格與中等家庭年收入之比。

例如一套售價為49萬元的房子對于一個年收入7萬元的家庭，其比值便為7:1->消費群體聚類分析在銀行客戶細分領域中的應用：所用變量：序號變量1客戶年齡2發卡日期3支付寶交易金額4貸款數量5一段時間內的交易次數6一段時間內交易最大金額7一段時間內平均交易金額8一段時間內交易后余額特征向量客戶年齡發卡日期支付寶交易金額貸款數量一段時間內的交易次數一段時間內交易最大金額一段時間內平均交易金額一段時間內交易后余額第一類3819976012315030209490821149968808第二類3919974799174201245464551025964485第三類42199741518244926639141906463558結果：前景與優缺點高維聚類分析已成為聚類分析的一個重要研究方向。同時高維數據聚類也是聚類技術的難點。隨著技術的進步使得數據收集變得越來越容易，導致數據庫規模越來越大、復雜性越來越高，如各種類型的貿易交易數據、Web文檔、基因表達數據等，它們的維度（屬性）通常可以達到成百上千維，甚至更高。但是，受“維度效應”的影響，許多在低維數據空間表現良好的聚類方法運用在高維空間上往往無法獲得好的聚類效果。高維數據聚類分析是聚類分析中一個非常活躍的領域，同時它也是一個具有挑戰性的工作。目前，高維數據聚類分析在市場分析、信息安全、金融、娛樂、反恐等方面都有很廣泛的應用。

聚類分析本身也存在著一些不足，比如快速聚類雖然速度快，但是其分類指標要求是定距變量，而實際研究中，有很多的定類變量，如性別、學歷、職業、重復購買的可能性等多個與研究目的緊密相關的指標無法直接參與運算，而大大限制了它的使用范圍。聚類分析通常不能單獨的應用解決一些問題，需要和其他方法一起結合使用才能使分析更全面、科學。并且在聚類分析過程中，針對具體情況分為幾類比較合適，有的軟件沒有提供具體的操作，有時需要驗證。例如用相關系數法進行聚類分析和指

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論