Vytěžování znalostí z dat

Vytěžování znalostí z dat Pavel Kordík, Josef Borkovec

Department of Computer Systems Faculty of Information Technology Czech Technical University in Prague

Cvičení 10: Shlukování BI-VZD, 09/2011 MI-POA

Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

Pavel Kordík, Josef Borkovec (ČVUT FIT)

Vytěžování znalostí z dat

BI-VZD, 2011, Cvičení 10

1/21

Osnova cvičení • K-means • Hierarchické shlukování




2/21

K-Means

K-Means • Načteme si Iris data

• Vložíme K-means operátor • Nastavíme K=2




3/21

K-Means

• Zapojíme a prohlédneme si výsledky shlukování




4/21

K-Means

• Pro zobrazení dat a jejich příslišnosti do clusterů použijeme graf Scatter 3D color • Osy budou atributy a1,a3,a4 a barva hodnota atributu cluster • Porovnáme hodnoty získané shlukováním s atributem label • Vyzkoušíme pro různé hodnoty k: 2,3,4,5




5/21

K-Means

• K=2




6/21

K-Means

• K=3




7/21

K-Means

• K=4




8/21

K-Means

Zhodnocení shlukování • Pomocí operátoru Cluster Distance Performance spočítáme průměrnou vzdálenost bodu k centroidu a Davies – Bouldin index




9/21

K-Means

Úkol •

Použijte data vygenerovaná operátorem Generate Data s následujícími parametry:

•

Spočítejte within cluster distance (WCD) a Davies Bouldin index (DBI) pro všechny hodnoty K od 2 do 15 Zobrazte graf hodnot WCD a DBI v závislosti na K Jaká je nejlepší hodnota K?

• •




10/21

K-Means

Nápověda • Použijte operátory Loop parameters, Log a Cluster Distance Performance • Pro zobrazení dat z logu použijte typ grafu Series Multiple




11/21

K-Means

Výsledek • Zapojení




12/21

K-Means

Výsledek




13/21

K-Means

Výsledek




14/21

Hierarchické shlukování

Hierarchické shlukování • Načteme Iris data • Přidáme operátor Aglomerative Clustering

• Zobrazíme dendrogram:




15/21


• Vybereme počet shluků a data rozdělíme podle výsledného hierarchického shlukování • To odpovídá „říznutí“ dendrogramu v určité hloubce • K tomu slouží operátor Flatten Clustering




16/21


• Postupně nastavíme parametr mode operátoru Aglomerative Clustering na: • Single Link

• Complete Link

• Average Link




17/21


• Jak se změní dendrogramy? • Jak se změní výsledné shlukování pro K=3? Zobrazte jako Scatter 3D Color plot




18/21

Single link • Hierarchické shlukování




19/21

Complete link • Hierarchické shlukování




20/21

Average link • Hierarchické shlukování




21/21

Vytěžování znalostí z dat

Recommend Documents