基于基站定位数据的商圈分析上机报告

基于基站定位数据的商圈分析上机报告1数据读取及其标准化setwd("E:/数据处理")Data=read.csv("./business_circle.csv",header=T,encoding='utf-8')colnames(Data)=c("number","x1","x2","x3","x4")attach(Data)y1=(x1-min(x1))/(max(x1)-min(x1))y2=(x2-min(x2))/(max(x2)-min(x2))y3=(x3-min(x3))/(max(x3)-min(x3))y4=(x4-min(x4))/(max(x4)-min(x4))standardized=data.frame(Data[,1],y1,y2,y3,y4)write.csv(standardized,"./standardizedData.csv",s=TRUE)2模型构建2.1层次聚类library(ggplot2)Data=read.csv("./standardizedData.csv",header=F)Data1=data.frame(y1,y2,y3,y4)attach(Data1)dist=dist(Data1,method='euclidean')hc1<-hclust(dist,"ward.D2")plot(hc1)plot(hc1,hang=-1)#分成三类re1<-rect.hclust(hc1,k=3,border="purple")##对构建好的谱系聚类图进行分类，这里分三类a=re1[[2]]##列表名[[下标]]b=re1[[3]]c=re1[[1]]#商圈类别1matrix=Data1[a,]##137个观测值、4个变量d<-dim(matrix)##1374y<-as.numeric(t(matrix))#t()：矩阵转置，这里转换成数字向量row<-factor(rep(1:d[1],each=d[2]))Data2=Data[which(aaa$km.cluster==2),]Data3=Data[which(aaa$km.cluster==3),]#商圈1的概率密度函数图par(mfrow=c(2,2))##公共参数列表par#设置布局plot(density(Data1[,1]),col="red",main="工作日人均停留时间")plot(density(Data1[,2]),col="red",main="凌晨人均停留时间")plot(density(Data1[,3]),col="red",main="周末人均停留时间")plot(density(Data1[,4]),col="red",main="日均人流量")#商圈2的概率密度函数图par(mfrow=c(2,2))plot(density(Data2[,1]),col="purple",main="工作日人均停留时间")plot(density(Data2[,2]),col="purple",main="凌晨人均停留时间")plot(density(Data2[,3]),col="purple",main="周末人均停留时间")plot(density(Data2[,4]),col="purple",main="日均人流量")#商圈3的概率密度函数图par(mfrow=c(2,2))plot(density(Data3[,1]),col="blue",main="工作日人均停留时间")plot(density(Data3[,2]),col="blue",main="凌晨人均停留时间")plot(density(Data3[,3]),col="blue",main="周末人均停留时间")plot(density(Data3[,4]),col="blue",main="日均人流量")3总结3.1数据标准化的方法及使用离差标准化原因1.数据标准化方法数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处理，即将数据统一映射到[0，1]区间上，常见的数据归一化的方法有：

1）min－max标准化（Min－maxnormalization）也叫离差标准化，是对原始数据的线性变换，使结果落到[0，1]区间，转换函数如下：其中max为样本数据的最大值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。2）log函数转换通过以10为底的log函数转换的方法同样可以实现归一下，具体方法如下：3）atan函数转换用反正切函数也可以实现数据的归一化：使用这个方法需要注意的是如果想映射的区间为[0，1]，则数据都应该大于等于0，小于0的数据将被映射到[－1，0]区间上。而并非所有数据标准化的结果都映射到[0，1]区间上，也有一些非归一化的方法，如下：4)z－score

标准化（zero－meannormalization）也叫标准差标准化，是SPSS中最为常用的标准化方法：经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为：其中μ为所有样本数据的均值，σ为所有样本数据的标准差。5）Decimal

scaling小数定标标准化这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性A的取值中的最大绝对值。将属性A的原始值x使用decimal

scaling标准化到x'的计算方法是：

x'=x/(10*j)其中，j是满足条件的最小整数。

例如：假定A的值由-986到917，A的最大绝对值为986，为使用小数定标标准化，我们用1000（即，j=3）除以每个值，这样，-986被规范化为-0.986。2.使用离差标准化原因数据标准化处理后，原始数据均可以转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析，但是离差标准化是最常用最简单的一种方式3.2构建层次聚类模型时，可以调节哪些参数，对模型有何影响1.层次聚类1）计算变量之间的距离代码为：dist.r=dist(data,method=”“)其中method包括6种方法，表示不同的距离测度：”euclidean”,“maximum”,“manhattan”,“canberra”,“binary”or“minkowski”，分别表示欧几里德距离，切比雪夫距离，绝对值距离，Lance距离，明科夫斯基距离，定性变量距离。使用不同的距离会对聚类的结果产生一定的影响2）使用hclust()进行聚类代码为：hc.r=hclust(dist.r,method=“”)其中method包括7种方法，表示聚类的方法：single，complete，median，mcquitty，average，centroid，ward。分别表示：最短距离法，最长距离法，中间距离法，相似法，类平均法，重心法，离差平方和法。3）画图plot(hc.r,hang=-1,labels=NULL)或者plot(hc.r,hang=0.1,labels=F)hang等于数值，表示标签与末端树杈之间的距离，若是负数，则表示末端树杈长度是0，即标签对齐。labels表示标签，默认是NULL，表示变量原有名称。labels=F:表示不显示标签。2.k-mean聚类kmeans(x,centers,iter.max=10,nstart=1,algorithm=c("Hartigan-Wong","Lloyd","Forgy","MacQueen"),trace=FALSE),centers是初始类的个数或者初始类的中心。iter.max是最大迭代次数，其中默认迭代次数为10。nstart是当centers是数字的时候，随机集合的个数。algorithm是算法，默认是第一个。3.3K-mean算法实现基本步骤1.算法步骤K-Means算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心(这个点可以不是样本点)，从而确定新的簇心。一直迭代，直到簇心的移动距离小于某个给定的值。K-Means聚类算法主要分为三个步骤：（1）第一步是为待聚类的点寻找聚类中心（2）第二步是计算每个点到聚类中心的距离，将每个点聚类到离该点最近的聚类中去（3）第三步是计算每个聚类中所有点