Sidebar






Old

courses:statistical_methods_of_experimental_data_handling:prac6

Практическая работа №6: Кластерный анализ. Метод k-средних

Цель работы

Освоение основных понятий и некоторых методов кластерного анализа, в частности, метода k-means.

Постановка задачи

Дано конечное множество из объектов, представленных двумя признаками (в качестве этого множества принимаем исходную двумерную выборку, сформированную ранее в практической работе №4). Выполнить разбиение исходного множества объектов на конечное число подмножеств (кластеров) с использованием метода k-means. Полученные результаты содержательно проинтерпретировать.

Порядок выполнения работы

  1. Нормализовать множество точек из предыдущего раздела, отобразить полученное множество.
  2. Определить «грубую» верхнюю оценку количества кластеров: $ \tilde k = \lfloor\sqrt{N/2}\rfloor $, где $ N $ – число точек.
  3. Реализовать алгоритм k-means в двух вариантах:
    1. пересчет центра кластера осуществляется после каждого изменения его состава;
    2. пересчет центра кластера осуществляется лишь после того, как будет завершен просмотр всех данных (шаг процедуры).
  4. На каждом шаге процедуры разбиения методом k-means вычислять функционалы качества полученного разбиения:
    1. $ F_1 $ – сумма по всем кластерам квадратов расстояний элементов кластеров до центров соответствующих кластеров;
    2. $ F_2 $ – сумма по всем кластерам внутрикластерных расстояний между элементами кластеров;
    3. $ F_3 $ – сумма по всем кластерам внутрикластерных дисперсий (относительно центров кластеров).
  5. Отобразить полученные кластеры, выделить каждый кластер разным цветом, отметить центроиды.
  6. Содержательно проинтерпретировать полученные результаты.
  7. Дополнительные необязательные задания:
    1. Реализовать алгоритмы k-medians и k-medoids. Отобразить полученные кластеры, выделить каждый кластер разным цветом, отметить центроиды. Провести оценку методов, сделать выводы.
    2. С помощью метода локтя и/или метода силуэтов выявить для каждого метода оптимальное количество кластеров.
    3. Реализовать модификацию k-means++. Объяснить её приемущества. Сравнить с обычным методом k-means.

Содержание отчёта

  1. Цель работы.
  2. Краткое изложение основных теоретических понятий.
  3. Постановка задачи с кратким описанием порядка выполнения работы.
  4. Необходимые формулы, рисунки и таблицы.
  5. Краткие выводы по полученным результатам.
  6. Общий вывод по проделанной работе.
  7. Код программы (если имеется).

Вопросы для самоконтроля

  1. Сформулировать основные задачи кластерного анализа.
  2. Дать классификацию и охарактеризовать основные методы кластерного анализа.
  3. Критерии качества кластерных разбиений.
  4. Описать и прокомментировать метод k-means кластерного анализа.
courses/statistical_methods_of_experimental_data_handling/prac6.txt · Last modified: 2024/03/01 19:55 by andrey.suchkov