基于Python的聚类分析及其应用.pdf

第 24 卷第 1 期 上 　海 　工 　程 　技 　术 　大 　学 　学 　报 Vol . 24 No . 1 20 10 年 3 月 J OU RN AL O F SHAN GHA I UN IV ER SI T Y O F EN GIN EERIN G SCIEN CE Mar . 20 10 ( ) 　　文章编号 : 1009 - 444X 20 10 0 1 - 0047 - 04 基于 Python 的聚类分析及其应用 庄怡雯 , 吴金桥 , 黄润才 , 曹奇英 ( 东华大学 计算机科学与技术学院 , 上海 20 1620) 摘要 : 在研究聚类基本原理及相应算法的基础上 ,着重分析了层次聚类算法和 kmean s 分割聚 类算法 ,并比较了这两种算法的特点. 结合 Pyt ho n 语言的特点 ,编写程序实现了kmean s 聚类算 法在博客数据集上的聚类应用 ,给出了详细的聚类实验结果分析. 关键词 : 聚类分析 ; Pyt hon 语言 ; 层次聚类 ; kmean s 聚类 中图分类号 : TP 39 　　文献标志码 : A PythonBased Cluster Analysis and Its Appl ication ZHU AN G Yiwen , WU J inqiao , HU AN G Runcai , CA O Qiyin g ( College of Comp ut er Science and Technology , Donghua U niver sit y , Shanghai 20 1620 , China) Abstract : Ba sed on t he re search of t he p rincip le and algorit hm s of clu st er analy si s ,t he analy si s of t he hi erarchcal clu st er algorit hm an d kmean s p artitional clu st er algorit hm were focu sed . Charact eri stics of t wo algorit hm s were co mp ared . Co mbination of Pyt hon lan guage , kmean s clu st ering algorit hm wa s imp le ment ed in a blo g dat a set ,and a det ailed analy si s of exp eriment al clu st erin g re sult wa s given . Key words : clu st er analy si s ; Pyt hon language ; hierarchical clu st erin g ; kmean s clu st ering 　　聚类作为数据挖掘中的一项重要技术 ,常被用 在相似性划分为多个类别 ,使类别内的数据相似度 于大数据量的信息挖掘 ,如零售商可以利用聚类算 较大 ,而类别间的数据相似度较小. 通常 ,聚类算法 法跟踪消费者的购买行为 ,并据此策划相应的市场 所需的数据预处理是定义一组公共的数值型属性 , 策略. 聚类属于无监督学习方法 ,无监督学习算法 然后 ,利用这些属性对数据项进行比较. 的特点 ,即它不是利用带有正确答案的样本数据进 1. 1 　聚类的基本要素 行训练 ,而是在一组数据中找到某种结构 ,数据本