weka学习报告61
需积分: 0 171 浏览量
2022-08-08
19:04:06
上传
评论
收藏 259KB DOCX 举报
基于 WEKA 的数据挖掘算法学习（六）
1. 聚类
1.1 聚类任务
在“无监督学习”中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学
习来揭示数据的内在性质及规律，为进一步数据分析提供基础。聚类的目的是试图将数据集
中的样本划分为若干个通常不相交的子集，每个子集称为一个“簇”。
聚类既能是一个单独过程，用于寻找数据内在的分布结构，也可作为分类等其他学习任
务的前驱过程。
1.2 性能度量
聚类性能指标大致两类，一是将聚类结果与某个“参考模型”进行比较，称为“外部指标”，
二是直接考察聚类结果而不利用任何参考模型，称为“内部指标”。
聚类性能的度量的外部指标为：
Jaccard 系数：
JC
=
𝑎
𝑎
+
𝑏
+
𝑐
FMI 指数：
FMI
=
𝑎
𝑎
+
𝑏
.
𝑎
𝑎
+
𝑐
Rand 指数：
RI
=
2(𝑎
+
𝑑)
𝑚(𝑚
―
1)
性能度量结果值均在[0,1]区间，值越大越好。
聚类性能的度量的内部指标为：
DB 指数：
DBI
=
1
𝐾
∑
𝑘
𝑖
=
1
𝑚𝑎𝑥
𝑗
≠
𝑖
(
𝑎𝑣𝑔
(
𝐶
𝑖
)
+
𝑎𝑣𝑔(
𝐶
𝑗
)
𝑑
𝑐𝑒𝑛
(
𝑢
𝑖
,
𝑢
𝑗
)
)
Dunn 指数：
DI
=
𝑚𝑖𝑛
1
≤
𝐼
≤
𝐾
𝑚𝑖𝑛
𝑗
≠
𝑖
(
𝑑
𝑚𝑖𝑛
(
𝐶
𝑖
,
𝐶
𝑗
)
𝑚𝑎𝑥
1
≤
𝑙
≤
𝑘
𝑑𝑖𝑎𝑚(
𝐶
𝑙
)
)
DBI 的值越小越好，而 DI 的值越大越好。
1.3 距离计算
给定样本
𝒙
𝑖
=
(
𝑥
𝑖1
;
𝑥
𝑖2
;
…;
𝑥
𝑖𝑛
)
与
𝒙
𝑗
=
(
𝑥
𝑗
1
;
𝑥
𝑗
2
;
…;
𝑥
𝑗
𝑛
)
，最常用的是闵可夫斯
基距离：
𝑑𝑖𝑠𝑡
𝑚𝑘
(
𝒙
𝑖
,
𝒙
𝑗
)
=
(
∑
𝑛
𝑢
=
1
|
𝑥
𝑖𝑢
―
𝑥
𝑗𝑢
|
𝑝
)
1
𝑝
其中当 p=1 时为曼哈顿距离，p=2 时为欧式距离。
剩余11页未读，继续阅读
资源评论
