请使用一趟聚类算法完成下面数据的聚类过程(r=30,基于曼哈顿距离)给出详细的步骤过程。 记录号 是否购车 婚姻状况 绩效成绩 1 yes single 125 2 no married 100 3 no single 70 4 yes married 120 5 no divorced 95 6 no married 65
时间: 2024-03-24 13:40:36 浏览: 29
使用一趟聚类算法对数据进行聚类的过程如下:
1. 随机选取一个数据点作为初始聚类中心,假设选取记录号为1的数据点作为初始聚类中心。
2. 计算每个数据点到聚类中心的距离,可以使用曼哈顿距离进行计算,计算得到每个数据点到聚类中心的距离如下:
```
距离
1 0.000000
2 25.000000
3 55.000000
4 5.000000
5 30.000000
6 60.000000
```
3. 将距离最近的数据点加入到聚类中心,假设记录号为4的数据点距离最近,将其加入到聚类中心。
4. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 5.000000
2 20.000000
3 50.000000
4 0.000000
5 25.000000
6 55.000000
```
5. 将距离最近的数据点加入到聚类中心,假设记录号为2的数据点距离最近,将其加入到聚类中心。
6. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 20.000000
2 0.000000
3 30.000000
4 25.000000
5 5.000000
6 35.000000
```
7. 将距离最近的数据点加入到聚类中心,假设记录号为5的数据点距离最近,将其加入到聚类中心。
8. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 15.000000
2 5.000000
3 35.000000
4 20.000000
5 0.000000
6 40.000000
```
9. 将距离最近的数据点加入到聚类中心,假设记录号为3的数据点距离最近,将其加入到聚类中心。
10. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 45.000000
2 35.000000
3 0.000000
4 45.000000
5 30.000000
6 100.000000
```
11. 将距离最近的数据点加入到聚类中心,假设记录号为2的数据点距离最近,将其加入到聚类中心。
12. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 55.000000
2 0.000000
3 35.000000
4 55.000000
5 40.000000
6 105.000000
```
13. 将距离最近的数据点加入到聚类中心,假设记录号为5的数据点距离最近,将其加入到聚类中心。
14. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 50.000000
2 25.000000
3 55.000000
4 50.000000
5 0.000000
6 105.000000
```
15. 将距离最近的数据点加入到聚类中心,假设记录号为4的数据点距离最近,将其加入到聚类中心。
16. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 25.000000
2 5.000000
3 35.000000
4 0.000000
5 25.000000
6 70.000000
```
17. 将距离最近的数据点加入到聚类中心,假设记录号为2的数据点距离最近,将其加入到聚类中心。
18. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 30.000000
2 0.000000
3 40.000000
4 25.000000
5 20.000000
6 75.000000
```
19. 将距离最近的数据点加入到聚类中心,假设记录号为5的数据点距离最近,将其加入到聚类中心。
20. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 30.000000
2 20.000000
3 50.000000
4 25.000000
5 0.000000
6 75.000000
```
21. 将距离最近的数据点加入到聚类中心,假设记录号为4的数据点距离最近,将其加入到聚类中心。
22. 计算每个数据点到聚类中心的距离,重新计算距离后的结果如下:
```
距离
1 5.0
2 5.0
3 5.0
4 0.0
5 5.0
6 5.0
```
23. 发现所有数据点到聚类中心的距离都相等,因此聚类过程结束。
最终聚类结果如下:
```
是否购车 婚姻状况 绩效成绩 簇
1 yes single 125 1
2 no married 100 2
3 no single 70 2
4 yes married 120 1
5 no divorced 95 2
6 no married 65 2
```
其中,簇1包含记录号为1和4的数据点,簇2包含记录号为2、3、5和6的数据点。
相关推荐
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)