LEVEL ll 复习大纲篇 | 第四章 描述型数据挖掘模型（上）

第四章 描述型数据挖掘模型

第一节、聚类分析

【领会】

聚类的概念

【熟知】

相似性的衡量(二元变量的相似性衡量、混合类别型变量与数值型变量的相似性衡量)

样本点间距离的计算(ManhattanDistance、City-BlockDistance、EuclideanDistance)

聚类算法(Exclusivevs.Non-Exclusive (Overlapping)的聚类算法、分层聚类法、划分聚

类法)

分层聚类算法(单一链结法、完全链结法、平均链结法、中心法、Ward’s 法)

划分聚类算法(K-Means 法、EM 法、K-Medoids 法、神经网络 SOM 法、两步法)

密度聚类算法(DBSCAN)

群数 的判 断(R-Squared (R2)、Semi-Partial R-Squared、Root-Mean-Square Standard

Deviation(RMSSTD)、轮廓系数(SilhouetteCoefficient) )

【应用】

运用数据挖掘软件建立聚类模型，解读模型结果，并提供营销建议。

这就是大纲第四章的内容，希望对大家能有所帮助。