暑期社会实践报告--K-Means聚类系统的学习与实现

《暑期社会实践报告--K-Means聚类系统的学习与实现》由会员分享，可在线阅读，更多相关《暑期社会实践报告--K-Means聚类系统的学习与实现（3页珍藏版）》请在毕设资料网上搜索。

1、暑期社会实践报告 -K-Means 聚类系统的学习与实现 实践内容实践内容：学习聚类理论知识，并区分与分类的区别，深入学习 K-Means 聚类系统的原理和实现机制，并结合 java 语言实现聚类。 什么是聚类什么是聚类? 将物理或抽象对象的集合分成由类似的对象组成 的多个类的过程被称为聚类。 由聚类所生成的簇是一组数据对象的集 合， 这些对象与同一个簇中的对象彼此相似， 与其他簇中的对象相异。 “物以类聚，人以群分” ，在自然科学和社会科学中，存在着大量的 分类问题。聚类分析又称群分析，它是研究（样品或指标）分类问题 的一种统计分析方法。 聚类分析起源于分类学， 但是聚类不等于分类。 聚类与

2、分类的不同在于，聚类所要求划分的类是未知的。 聚类分析内 容非常丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚 类法、图论聚类法、聚类预报法等。 聚类与分类的区别：聚类与分类的区别：和分类学习相比，聚类的样本没有标记，需 要由聚类学习算法来自动确定。 聚类分析是研究如何在没有训练的条 件下把样本划分为若干类。在分类中，对于目标数据库中存在哪些类 是知道的，要做的就是将每一条记录分别属于哪一类标记出来。 聚类 需要解决的问题是将已给定的若干无标记的模式聚集起来使之成为 有意义的聚类， 聚类是在预先不知道目标数据库到底有多少类的情况 下，希望将所有的记录组成不同的类或者说聚类， 并且使得在

3、这种分 类情况下，以某种度量为标准的相似性，在同一聚类之间最小化，而 在不同聚类之间最大化。与分类不同，无监督学习不依赖预先定义的 类或带类标记的训练实例，需要由聚类学习算法自动确定标记， 而分 类学的实例或数据样本有类别标记。 聚类学习是观察式学习，而不是 示例式学习。 K-Means 原理：原理： 首先从 n 个数据对象任意选择 k 个对象作为初始 聚类中心；而对于所剩下其它对象， 则根据它们与这些聚类中心的相 似度 （距离） ， 分别将它们分配给与其最相似的 （聚类中心所代表的） 聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的 均值） ；不断重复这一过程直到标准测度函数开始

4、收敛为止。一般都 采用均方差作为标准测度函数. k 个聚类具有以下特点：各聚类本身 尽可能的紧凑，而各聚类之间尽可能的分开。 学习总结：学习总结：对于机器学习来说最重要的是如何让计算机学会人的 思维，即把人的思维具体化，用代码一句句的告诉计算机，让计算机 在面临选择时有独立的判断能力。所以，机器学习更多的是算法思维 而非编程能力，当然，编程是一切从事计算机行业的基础，在我们学 校并没有直接开机器学习或者自然语言处理的相关课程， 所以学生学 习机器学习只能是在指导老师给定的方向下自己一步步探索， 不断深 入。我在学习聚类的过程中加入了很多 QQ 群，很多时候，我看不懂 他们在说什么但是感觉这真的是一个很高大上的东西， 现在我也在准 备考研究生，考上之后我还是会继续这一方向，不断努力。