数据挖掘与数据分析 第八章课后习题及答案

第八章课后习题答案详解1.已知样本点间的相似度如下表所示，使用此数据进行最大距离和平均距离凝聚层次聚类，并绘制树状图显示结果。p1p2p3p4p5p6p1p2p3p4p5p61.000.370.320.450.210.550.371.000.640.470.980.730.320.641.000.430.840.350.450.470.431.000.760.480.210.980.840.761.000.830.550.730.350.480.831.00答：读取数据：#导入相应的包library(ggdendro)library(ggplot2)#导入数据raw<-read.csv("C:\\Users\\HP\\Desktop\\Clustering.csv",encoding="UTF-8")head(raw)输出：层次聚类并绘制树状图：#使用函数hclust()实现层次聚类#使用dist()函数计算距离hc<-hclust(dist(raw[,]),method="average")#利用dendro函数进行聚类结果的转化#提取数据df<-dendro_data(hc,type="rectangle")df1<-df$segmentsdf2<-df$labelshead(df1)输出：#绘制树状图ggplot()+geom_segment(data=df1,aes(x=x,y=y,xend=xend,yend=yend))+geom_text(data=df2,aes(x=x,y=y,label=label))输出：上述是使用平均距离进行的凝聚层级聚类，如果用最大距离来计算，就是将“average”替换成“complete”，代码如下：hc<-hclust(dist(raw[,]),method="complete")2.凝聚层次聚类和分裂层次聚类有什么区别?答：在给定n个对象的数据集后，可通过层次聚类对数据集进行层次分解，直到满足某种收敛条件为止。层次聚类根据层次分解顺序的不同可以分为：凝聚层次聚类和分裂层次聚类，它们的区别主要在于：凝聚层次聚类采用一种自下向上的策略，它首先将每个样本点看成单独的一类，然后找出距离最小的两个类进行合并，不断重复直到所有样本都合并成一类，或者达到一个收敛，即满足某个终止条件。分裂层次聚类与凝聚层次聚类相反，采用一种自顶向下的策略，它首先将所有样本当作一类，然后找出距离最远的两个类进行分裂，不断重复直到每个样本自成一类，或者达到某个终止条件。3.凝聚层次聚类和分裂层次聚类对应算法流程包含哪几步?答：（1）凝聚层次聚类算法流程：①定义每个观测值（样本点）为一类；②计算任意两类之间的距离，度量样本间的相似度；③合并距离最近（相似度最高）的两个类；④重复步骤②和③，直到所有类合并为一类。（2）分裂层次聚类算法流程：①定义所有观测值（样本点）为一类；②计算任意两样本点之间的距离；③找出同一类中距离最远的两个样本点a和b，分别作为两个簇的中心；④若类中剩余的样本点距离类中心a更近，将其分配到以a为中心的类中，否则分配到以b为中心的类中；⑤重复步骤③和④，直到每个观测值为一类。层次聚类有哪些优缺点?答：（1）层次聚类优点①层次聚类中距离和相似度容易定义，算法相对简单。②适用于任意形状和任意属性的数据集。③层次聚类不需要预先指定聚类数，能够得到不同粒度上的多层次聚类结构。④可以使用树形图对聚类结果进行可视化，易于解释和理解。⑤对样本的输入顺序不敏感。（2）层次聚类缺点①算法时间复杂度较大。②过程具有不可逆性，一旦