二分K均值

组件介绍

“二分K均值（Bisecting KMeans）” 控件使用二分K均值算法对数据进行聚类。

二分K均值算法是k-means聚类算法的一个变体，主要是为了改进k-means算法随机选择初始质心的随机性造成聚类结果不确定性的问题，而Bisecting k-means算法受随机选择初始质心的影响比较小。二分K均值聚类算法的基本思想是，通过引入局部二分试验，每次试验都通过二分具有最大SSE值的一个簇，二分这个簇以后得到的2个子簇，选择2个子簇的总SSE最小的划分方法，这样能够保证每次二分得到的2个簇是比较优的（也可能是最优的），也就是这2个簇的划分可能是局部最优的，取决于试验的次数。

---

• 输入：
  • data：数据集
• 输出：
  • data：处理后的数据集

---

页面介绍

点击 “二分K均值（Bisecting KMeans）” 控件查看参数配置页面，如下图所示：

参数选项

选项	说明	取值范围	样例值
簇数量	指定簇数	1~1000	2
初始化方法	k-means++：k-means++ random：随机产生	k-means++ random	random
初始化次数	初始化次数，用于产生最佳初始参数	1~100	1
Relative Tolerance	连续两次迭代的聚类中心的相对公差，用于判断收敛	0.00000001~1	0.0001
最大迭代次数	最大迭代次数	1~10000	100
内部KMeans算法	lloyd elkan	lloyd elkan	lloyd
二分策略	定义如何执行二分操作 biggest_initia：所有计算出的聚类都是具有最大SSE（平方误差之和）的聚类，并将其一分为二 largest_cluster：选择从先前计算的所有聚类中具有最大群体数的聚类，并将其一分为二。	biggest_inertia largest_cluster	biggest_inertia

详细参数说明

使用案例

在下图所示的案例中，使用 “加载文件”（File） 控件加载数据集，连接 “二分K均值（Bisecting KMeans）” 控件进行聚类，之后连接 “查看数据”（Data Table） 控件查看聚类结果。

案例中加载 iris 数据集，案例中控件的配置以及执行结果如下图所示。