- 1、本文档共90页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
《数据科学导论》机器学习初步与实践
提纲
机器学习初步与实践
聚类问题
K-Means算法
聚类问题的评测方法
监督学习和无监督学习比较
3
监督学习
建模数据中输入特征与目标类别之间的联系
目标:在未知数据上进行精确预测
无监督学习
只有输入特征,没有目标类别
目标:发现数据内在的规律和结构
无监督学习的优点
可以利用大量的数据,节省标注成本
有些应用无法事先确定目标类别(如目标客户)
聚类–Clustering
聚类的目标是发现数据中相似群,成为簇(cluster)
簇内中的数据彼此距离小-highintra-clusterssimilarity
簇间数据距离大-lowinter-clusterssimilarity
聚类不需要提供标注每一个簇的样本,因此是一种无监督学习
HowIsThisOrganized?
发现数据内在的组织关系
如左图:数据点自然聚成三个簇
4
聚类应用举例–相似网页的分组呈现
网页搜索结果聚类(无法事先确定目标类别)
5
聚类应用举例–营销中的客户细分
客户细分画像
– 营销人员利用聚类对客户做进一步细分,已形成更为精确的画像
6
聚类应用举例–营销中的客户细分
考虑某超市收集了客户数据,如何对客户进行细分?
7
聚类应用举例–营销中的客户细分
8
我们仅考虑收入水平(AnnualIncome(k$))与花费评分(SpendingScore(1-100))作为客户的特征
GroupC
GroupB
GroupA
GroupD
GroupE
客户很自然地分为几组
GroupA(standard):中等收入中等花费
GroupB(sensible):较低收入较低花费
GroupC(careless):中等收入中等花费
GroupD(target):较高收入较高花费
GroupE(careful):较高收入较低花费
聚类应用举例–营销中的客户细分
可以进一步地分析不同细分类别客户的特点,指定营销方案
– 例如:以30岁为分界,分析不同细分类别中的年龄构成
GroupC
9
?
年轻人(30岁以下)
中年或以上(30岁以后)
GroupC主要以哪类人为主
GroupE主要以哪类人为主
?
年轻人(30岁以下)
中年或以上(30岁以后)
GroupE
聚类的其它应用
识别犯罪地点
使用城市中特定地区的相关犯罪数据,分析犯罪类别、犯罪地点以及两者之间的关联
保险欺诈检测
利用以往欺诈性索赔的历史数据,根据它和欺诈性模式聚类的相似性来识别新的索赔
乘车数据分析
分析交通出行数据(如滴滴出行数据),有助于我们对城市的交通模式进行深入的了解,来帮助我们做城市未来规划
IT警报的自动化聚类
对IT基础软件(如网络,存储或数据库)生成大量的警报消息进行聚类,可以对警报类别和修复时间做深入了解,有助于对未来故障进行预测
10
聚类需要考虑的几个因素
聚类算法
基于划分的聚类算法
基于层次的聚类算法
……
相似度/距离函数
聚类质量评价
最小化类内距(inter-clustersdistance)
最大化类间距(intra-clustersdistance)
11
如何定义“距离”?
距离定义取决于具体的数据或分析需求
12
SimpsonsFamily SchoolEmployees Females Males
距离度量函数
闵可夫斯基
13
如何定义“距离”?
距离定义取决于具体的数据或分析需求
0.23
3
342.7
KasunKiosn
14
聚类算法
层次聚类(Hierarchical)
自下而上:从每个数据实例出发,逐渐聚成更大的类簇
自顶而下:从整个数据集出发,逐渐划分为细分的类簇
划分聚类(Partitional)
直接对数据进行划分,形成类簇,也可用于层次聚类
贝叶斯聚类(Bayesian)
通过对数据进行划分,生成数据的后验数据分布
15
提纲
机器学习初步与实践
聚类问题
K-Means算法
聚类问题的评测方法
K-Means
最著名的聚类算法
– 基于数据划分,将每个数据点划分到一个簇中,目标是最小化类内距,以及最大化类间距
形式化定义
最小化SSE(sumofsquarederror)
如何优化SSE
•
18
如何优化SSE
•
19
E(xpectation)Step
M(aximization)Step
扩展:K-Means是Expectation-Maximization(EM)算法的特殊情况
K-Means算法
•
20
终止条件
•
21
K-Means运行过程
初始中心
数据划分
更新中心
更新数据划分
22
Example-Thedatapoints
您可能关注的文档
最近下载
- 部编版八年级上册历史基础知识填空.docx
- 小学五年级上全册人自然社会教案可打印.doc
- DB11∕T 1598.3-2019 居家养老服务规范 第3部分:助医服务.docx VIP
- 人教版高中物理电学实验要点总结.pdf VIP
- 普通高中课程标准2023.pdf
- 幼儿园幼儿出游安全应急预案.docx VIP
- 2024浙江省执业药师继续教育答案-中医虚症辨证用药.docx VIP
- DB11_T 1598.2-2019 居家养老服务规范 第2部分:助餐服务.PDF VIP
- 简谱 爱永在 沂蒙山 王传亮.pdf
- 小学一年级音乐下(第三单元 音乐中的动物: 唱歌 咏鹅):C1跨学科学习活动设计-教学方案设计+学生学习成果+学习成果点评[2.0微能力获奖优秀作品].docx
文档评论(0)