99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁(yè)大數(shù)據(jù)時(shí)代CDA LEVEL 1 考試,知識(shí)點(diǎn)匯總《聚類分析》
CDA LEVEL 1 考試,知識(shí)點(diǎn)匯總《聚類分析》
2024-08-13
收藏

一、層次聚類

層次聚類法通常分為自底向上和自頂向下。兩種方法的運(yùn)算原理其實(shí)是相同的。只不過實(shí)際計(jì)算是方向相反。 自底向上,又叫做合并法。這種方法是先將每個(gè)樣本分別作為一個(gè)獨(dú)立的類,然后通過距離計(jì)算,將距離相近的兩個(gè)樣本 合并為一類,其他樣本仍然各自為一類。不斷重復(fù)這個(gè)過程,直到達(dá)到聚類數(shù)或者設(shè)定的目標(biāo)。 而自頂向下的方法,剛好相反。這種方法先把所有樣本看成一類,然后通過距離計(jì)算,選出距離最遠(yuǎn)的兩個(gè)樣本,各自為 一個(gè)類別,其余樣本根據(jù)距離遠(yuǎn)近分配到兩個(gè)類別中,從而形成新的類別劃分。不斷重復(fù)過程,直到達(dá)到聚類數(shù)或者設(shè)定 的目標(biāo)。因此又叫做分解法。 不管是采用哪種層次聚類的方法,一個(gè)關(guān)鍵的問題就是距離的定義。了解更多

二、距離的計(jì)算

1.最短距離法

最短距離法(Nearest Neighbor)是指當(dāng)我們從A中取出一個(gè)樣本,B中取出一個(gè)樣本,計(jì)算兩個(gè)樣本之間的距離,能夠得到 的最小值就是A和B兩個(gè)類的距離。而最長(zhǎng)距離法(Furthest Neighbor)則剛好相反。

CDA LEVEL 1 考試,知識(shí)點(diǎn)匯總《<a href='/map/julei/' style='color:#000;font-size:inherit;'>聚類</a>分析》

2.中間距離法

CDA LEVEL 1 考試,知識(shí)點(diǎn)匯總《<a href='/map/julei/' style='color:#000;font-size:inherit;'>聚類</a>分析》

3.類平均法

CDA LEVEL 1 考試,知識(shí)點(diǎn)匯總《<a href='/map/julei/' style='color:#000;font-size:inherit;'>聚類</a>分析》

4.重心法

CDA LEVEL 1 考試,知識(shí)點(diǎn)匯總《<a href='/map/julei/' style='color:#000;font-size:inherit;'>聚類</a>分析》

5.離差平方和法

離差平方和法,又叫Ward最小方差法(Ward’s Method):這種方法主要基于方差分析的思想,如果分類合 理,則同類樣本間離差平方和應(yīng)當(dāng)較小,類與類間離差平方和應(yīng)當(dāng)較大。每次合并類別時(shí),離差平方和會(huì)增 大,選擇使得增加值最小的兩類進(jìn)行合并。因此,該方法很少受到異常值的影響,在實(shí)際應(yīng)用中的分類效果 較好,適用范圍廣。但該方法要求樣品間的距離必須是歐氏距離。 層次聚類的過程非常清楚,會(huì)形成類似樹狀的聚類圖譜,便于理解和檢查。聚類的變量可以是連續(xù)變量,也 可以是分類變量。衡量距離的方法也非常反復(fù)。 但是由于需要反復(fù)計(jì)算距離,限制了層次聚類的速度。因此不適用于數(shù)據(jù)量非常大或者變量非常多的項(xiàng)目。 如果計(jì)算機(jī)硬件有制約,也會(huì)影響層次聚類的可行性。

三、K-Means 聚類

不同于層次聚類,K-Means聚類是一種快速聚類法,因此也適合應(yīng)用于大樣本量的數(shù)據(jù),或者是進(jìn)行一些前期的數(shù)據(jù)清洗 工作。K-Means聚類方法需要分析師自行指定聚類的數(shù)量,也就是其中的K。因此在實(shí)際分析過程中,往往需要多次調(diào)整K 的取值,反復(fù)嘗試,以便得到最優(yōu)的聚類結(jié)果。

其方法可以總結(jié)為:首先選擇K個(gè)點(diǎn)作為中心點(diǎn),這些中心點(diǎn)可以是分析者自己指定的,也可以是數(shù)據(jù)本身結(jié)構(gòu)形成的, 或者是隨機(jī)產(chǎn)生。所有樣本與這K個(gè)中心點(diǎn)計(jì)算距離,按照距離最近的原則歸入這些中心點(diǎn)。然后重新計(jì)算每個(gè)類的中心, 再次計(jì)算每個(gè)樣本與類中心的距離,并按照最短距離原則重新劃分類,如此迭代直至類不再變化為止。

和層次聚類法相比,快速聚類法計(jì)算量非常小。即使在樣本數(shù)據(jù)量較大或者變量較多的情況下,仍然可以快速得出結(jié)果, 不會(huì)耗費(fèi)太多的空間和時(shí)間,對(duì)硬件的依賴性也較低。它也因此得名快速聚類法。在分析時(shí),用戶也可以根據(jù)過往經(jīng)驗(yàn)或者計(jì)算結(jié)果,指定初始中心點(diǎn)位置,也可以進(jìn)一步增加聚類的效率。

但是這個(gè)方法應(yīng)用范圍也比較有限。因?yàn)樾枰孪戎付?a href='/map/julei/' style='color:#000;font-size:inherit;'>聚類數(shù),因此需要分析師有一定的經(jīng)驗(yàn)積累,或者可能需要多次反 復(fù)嘗試。對(duì)初始點(diǎn)位置也很敏感,容易導(dǎo)致聚類結(jié)果與數(shù)據(jù)真實(shí)分類出現(xiàn)差異,對(duì)異常值也比較敏感。同時(shí)聚類的變量也 必須是連續(xù)變量,對(duì)變量的“標(biāo)準(zhǔn)度”要求也相對(duì)較高,否則可能產(chǎn)生無意義的結(jié)果。而且K-Means聚類方法并不能對(duì)變 量進(jìn)行聚類,也是它使用上的一個(gè)比較大的缺點(diǎn)。

CDA LEVEL 1 考試,知識(shí)點(diǎn)匯總《<a href='/map/julei/' style='color:#000;font-size:inherit;'>聚類</a>分析》

四、兩步聚類

兩步聚類法結(jié)合了K-Means和系統(tǒng)聚類方法,先選擇較大的類數(shù)量對(duì)樣本進(jìn)行快速聚類,然后對(duì)每個(gè)聚類的中心點(diǎn)進(jìn)行系 統(tǒng)聚類,選擇合適的分類數(shù)量,然后將聚類結(jié)果合并為較理想的數(shù)量。 在進(jìn)行聚類時(shí)要結(jié)合業(yè)務(wù)理解對(duì)數(shù)據(jù)進(jìn)行適當(dāng)變換,并且需要對(duì)變量進(jìn)行維度分析聚類結(jié)果可以使用類中心之間的比較, 結(jié)合業(yè)務(wù)進(jìn)行解讀。

五、聚類的應(yīng)用

在實(shí)際使用聚類方法時(shí),我們一般多用于客戶畫像、離群點(diǎn)檢驗(yàn)、營(yíng)銷套餐設(shè)計(jì)等領(lǐng)域。在使用過程中,我們需要注意選取合適的聚類方法。 對(duì)于數(shù)據(jù)量較大或者變量較多的樣本,優(yōu)先考慮K-Means聚類法。樣本數(shù)據(jù)量適中或者變量類型比較復(fù)雜的情況,則可以考慮使用層次聚 類法。特別綜合的項(xiàng)目,也可以采用兩步聚類法,結(jié)合兩種聚類方法各自的優(yōu)勢(shì),高效解決問題。

聚類之前,數(shù)據(jù)清洗也是非常重要的。標(biāo)準(zhǔn)化可以幫助我們消除不同變量之間量綱的差異,但需要注意的是,在有些場(chǎng)景,比如欺詐分析 時(shí),我們希望通過聚類去發(fā)現(xiàn)異常值,那么前期的數(shù)據(jù)清洗就要注意不能改變?cè)械姆植记闆r,避免造成結(jié)果偏差。因此分箱法、小數(shù)定標(biāo) 法等清洗方法在聚類問題中需要謹(jǐn)慎使用。另外,通過主成分分析或者因子分析等方法對(duì)變量進(jìn)行降維,或者先進(jìn)行變量聚類,也可以幫助 減少冗余變量,更有效地完成聚類

在一些場(chǎng)景下,直接的業(yè)務(wù)字段并不能夠很好地進(jìn)行量化和數(shù)學(xué)分析,那么我們需要通過一些函數(shù)或者其他的方式,將其進(jìn)行轉(zhuǎn)換,靈活應(yīng) 用,才能更好地解決問題。

聚類本身是一種數(shù)據(jù)算法,聚類的結(jié)果并不總是有實(shí)際的使用意義。因此對(duì)于聚類結(jié)果,我們需要謹(jǐn)慎地解讀,適當(dāng)?shù)貙?duì)其進(jìn)行修正和調(diào)整, 從而更加貼近業(yè)務(wù)的使用。

最后,需要注意的是,聚類是一種監(jiān)督學(xué)習(xí)的算法。因此也并沒有統(tǒng)一的評(píng)判標(biāo)準(zhǔn)。因此在實(shí)際使用過程中,我們可以把聚類結(jié)果和人為 選擇或隨機(jī)選擇的結(jié)果放在一起進(jìn)行比較,這個(gè)時(shí)候,我們可以通過觀察聚類是否對(duì)整體的分類或者研究有提升作用來評(píng)判聚類的好壞。 當(dāng)然,我們一般也可以近似地用組間平方和BSS(Between Sum of Squares)和組內(nèi)平方和 WSS(Within Sum of Squares)來作為評(píng)價(jià) 指標(biāo)判斷聚類的類別數(shù)是否合適。顯然BSS越大,WSS越小,聚類的效果就越好。

另外,只有兩個(gè)變量的時(shí)候,我們也可以通過畫圖的方法來進(jìn)行觀察和評(píng)估。

六、例題精講

1. 以下哪種聚類方法可以提供聚類樹形圖( )?

A. 層次聚類

B. K均值聚類

C. 基于密度的聚類

D. 基于網(wǎng)格的聚類

答案:A 解析:層次聚類指的是形成類相似度層次圖譜,便于直觀的確定類之間的劃分,聚類過程可做成聚類譜系圖。聚類譜系圖的 基本思路就在于按照兩點(diǎn)之間的距離,按照由小到大的順序依次進(jìn)行連接。

2.以下哪個(gè)是K均值聚類法的缺陷( )?

A. 對(duì)初始點(diǎn)位置敏感,導(dǎo)致聚類結(jié)果與數(shù)據(jù)真實(shí)分類出現(xiàn)差異

B. 無法通過分析方法確定聚類個(gè)數(shù)

C. 容易受異常值的影響

D. 容易受到變量量綱的影響

答案:ABC 解析:這部分試題主要考核層次聚類和K均值快速聚類的優(yōu)缺點(diǎn)和適用范圍。當(dāng)樣本量超過50個(gè)時(shí),一般采用K均值聚類法,其優(yōu)點(diǎn)是 計(jì)算速度快,但是缺點(diǎn)就是ABC答案列出的那樣。

3.某電商分析人員希望通過聚類方法定位代商家刷信用級(jí)別的違規(guī)者,以下哪些操作不應(yīng)該進(jìn)行?

A. 對(duì)變量進(jìn)行標(biāo)準(zhǔn)化

B. 對(duì)變量進(jìn)行百分位秩轉(zhuǎn)換

C.對(duì)變量進(jìn)行因子分析或變量聚類

D. 對(duì)變量進(jìn)行分箱處理

答案:BD 解析:刷信用級(jí)別的違規(guī)者的行為會(huì)與正常消費(fèi)行為在消費(fèi)頻次、平均消費(fèi)金額等方面差異比較大,對(duì)其進(jìn)行定位相當(dāng)于發(fā)現(xiàn)異常點(diǎn), 因此要求對(duì)變量的轉(zhuǎn)換不能改變其原有分布形態(tài)。常用的標(biāo)準(zhǔn)化方法如中心標(biāo)準(zhǔn)化、極差標(biāo)準(zhǔn)化不會(huì)改變分布形態(tài),而且在聚類前往 往需要使用標(biāo)準(zhǔn)化來消除變量的量綱,因此A不是答案;取百分位秩會(huì)將原變量變化為均勻分布,進(jìn)行分箱處理也會(huì)改變?cè)兞康姆植迹?因此BD是答案;因子分析、變量聚類用于數(shù)據(jù)降維,可以使聚類結(jié)果更合理。



點(diǎn)擊CDA題庫(kù)鏈接,獲取免費(fèi)版CDA題庫(kù)入口,??荚図樌?,快速拿證!




數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼,搜微信號(hào):CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請(qǐng)參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }