基于Weka 数据聚类分析银行用户的购买力
通过分析对银行储户信息的分析,进行cluster分类,最终找到合适的消费
人群。
- 实验基本原理及目的
聚类分析中的“类”(cluster)和前面分类的“类”(class)是不同的,对 cluster 更加准确的翻译应该是“簇”。聚类的任务是把所有的实例分配到若干的簇,使得同一个簇的实例聚集在一个簇中心的周围,它们之间距离的比较近;而不同簇实例之间的距离比较远。对于由数值型属性刻画的实例来说,这个距离通常指欧氏距离。
在本实验中,我们对前面的“bank-data”作聚类分析,使用最常见的 K 均值(K-means)算法。下面我们简单描述一下 K 均值聚类的步骤。
K 均值算法首先随机的指定 K 个簇中心。然后:
(1)将每个实例分配到距它最近的簇中心,得到 K 个簇;(2)计分别计算各簇中所有实例的均值,把它们作为各簇新的簇中心。
重复(1)和(2),直到 K 个簇中心的位置都固定,簇的分配也固定。
本次实验的目的,是通过利用 Weka 中提供的 simpleKmeans 方法对“bank-data”进行聚类分析,更深刻的理解 k 均值算法,并通过对实验结果进行观察分析,找出实验中所存在的问题。
- 数据的准备及预处理
原始数据“bank-data.xls”是 excel 文件格式的数据,需要转换成 Weka 支持的 ARFF 文
件格式的。转换方法:在 excel 中打开“bank-data.xls”,选择菜单文件—>另存为,在弹出的对话框中,文件名输入“bank-data”,保存类型选择“CSV(逗号分隔)”,保存,我们便可得到“bank-data.csv”文件;然后,打开 Weka 的 Exporler,点击 Open file 按钮,打开刚才得到的 “ bank-data.csv ” 文件,点击 “ save ” 按钮,在弹出的对话框中,文件名输入
“bank-data.arff”,文件类型选择 “Arff data files (*.ar