使用orange进行聚类分析

前言

 本文是我这一系列博客的最后一篇，也是我最终作为作业交给数据挖掘老师的。在写这结课设计的过程，看了很多的博客给我带来很大的帮助，也学习了很多，写这些博客也只是想把自己一点点的经验分享给大家。

选择数据集

种子数据集：https://archive.ics.uci.edu/ml/datasets/seeds

    三种不同品种小麦籽粒几何性状的测定。用于软X射线技术和GRAINS构建七个实值属性，所有这些参数都是实值连续的。

    1、面积A， 
    2、周长P， 
    3、紧凑度C = 4 * pi * A / P ^ 2,4 
    4、籽粒长度， 
    5、籽粒宽度， 
    6、不对称系数 
    7、核槽的长度。 
    下载数据的文件格式为.txt格式，将文件格式改为.csv或.xlsx格式。

数据预处理

       打开orange软件，进行数据预处理

            Rank控件可以根据数据特征的相关性对其进行排名和筛选，双击控件：

 

可以看出，compactness和asymmetry特征相关性很低，将其筛除。也可以用Distributions控件通过观察compactness和asymmetry特征值的分布，评价其相关性。

聚类

1、K-means算法

       双击K-means控件，设置算法参数：

       输入固定簇数3，运行结果：

2、K-means++算法

       双击K-means控件，选择K-means++算法

       算法对2-10簇群进行打分个，2簇群轮廓分最高，结果为：

3、层次聚类

            先用Distances控件计算成对距离的矩阵，然后用Hierarchical Clustering控件显示从输入距离矩阵构造的层次聚类的树形图

       选择Top N = 3,传入数据流到Scatter Plot控件进行可视化：

结果分析：

       用Silhouette Plot轮廓组件评价聚类效果。数据越靠近数据簇中心，轮廓值越大；离簇中心越远，轮廓值越小：0为位于两簇之间的点，负数为错误划分到别的簇中。

K-means轮廓图：

K-means++轮廓图

层次轮廓图：

       通过对比其轮廓图，我们发现：在对该数据进行聚类时，K-means算法要比层次聚类要好，层次聚类中有出现负值；而k-means++算法将数据聚成两簇，没有达到我预期得到的聚类结果。