对数据进行聚类分析实验报告 一、 基本要求 用 FAMALE.TXT、MALE.TXT 和/或 test2.tx t 的数据作为本次实验使用的样本集，利用 C 均值和分级聚类方法对样本集进行聚类分析，对结果进行分析，从而加深对所学内容的理解和感性认识。 二、 实验要求 1、 把 FAMALE.TXT 和 MALE.TXT 两个文件合并成一个，同时采用身高和体重数据作为特征，设类别数为 2，利用 C 均值聚类方法对数据进行聚类，并将聚类结果表示在二维平面上。尝试不同初始值对此数据集是否会造成不同的结果。 2、 对 1 中的数据利用 C 均值聚类方法分别进行两类、三类、四类、五类聚类，画出聚类指标与类别数之间的关系曲线，探讨是否可以确定出合理的类别数目。 3、 对 1 中的数据利用分级聚类方法进行聚类，分析聚类结果，体会分级聚类方法。。 4、 利用 test2.tx t 数据或者把 test2.tx t 的数据与上述 1 中的数据合并在一起，重复上述实验，考察结果是否有变化，对观察到的现象进行分析，写出体会 三、 实验步骤及流程图 根据以上实验要求，本次试验我们将分为两组：一、首先对 FEMALE 与 MALE中数据组成的样本按照上面要求用 C均值法进行聚类分析，然后对 FEMALE、MALE、test2中数据组成的样本集用 C均值法进行聚类分析，比较二者结果。二、将上述两个样本用分即聚类方法进行聚类，观察聚类结果。并将两种聚类结果进行比较。 一、（1）、C均值算法思想 C均值算法首先取定C个类别和选取C个初始聚类中心，按最小距离原则将各模式分配到C类中的某一类，之后不断地计算类心和调整各模式的类别，最终使各模式到其判属类别中心的距离平方之和最小 （2）、实验步骤 第一步：确定类别数 C，并选择 C个初始聚类中心。本次试验，我们分别将 C的值取为 2和 3。用的是凭经验选择代表点的方法。比如：在样本数为 N时，分为两类时，取第 1个点和第 12/NINT个点作为代表点；分为三类时，取第 1、 13/NINT、 13/2NINT个点作为代表点； 第二步：将待聚类的样本集中的样本逐个按最小距离规则分划给 C个类中的某一类。 第三步：计算重新聚类后的个各类心，即各类的均值向量。 第四步：如果重新得到的类别的类心与上一次迭代的类心相等，则结束迭代，否则转至第二步。 第五步：迭代结束时，换不同的初始值进行试验，将实验结果进行比较 （3）、实验流程图 （4）、本次试验我们用的聚类指标是误差平方和聚类...
