【技术实现步骤摘要】
本专利技术属于数据分析挖掘的数据预处理领域，具体涉及一种基于k-means聚类的 分箱方法。
技术介绍
在各种数据分析挖掘中，数据预处理的其中一种手段是将连续变量离散化，而最 常用的离散化手段是对连续变量做分箱处理。一个优秀的分箱方法能够有效地去除连续变 量的噪声，平滑数据，增加数据粒度，降低数据计算复杂度，为之后的分析挖掘提供更好的 定性以及定量分析基础。 目前常用的分箱方法有等深法、等距法以及专家定义法。等深法是将数据排序，每 箱具有相同的数据量；等距法是将数据集排序，在数据值区间上平均分布，即每箱的区间范 围相等；专家定义法是专家根据经验及观察自定义分箱区间。这些分箱方法对全体数据进 行相等的划分，对于数据密度分布偏向明显的数据集容易造成误差。 聚类分析是数据挖掘的重要方法之一，它是将数据集合分成相似的对象类或者簇 的过程，同一类中的数据对象彼此相似而与其他类中的对象相异。随着大数据时代的来临， 聚类分析正在蓬勃的发展，受到包括数据挖掘、统计学、机器学习、空间数据库技术研宄、市 场营销、金融及医疗等多领域的广泛关注。 由Q. J. Mac提出的k-means聚类算法，由于其实现简单，对类内成团聚状的数据集 聚类效果优秀，已成为应用最为广泛的聚类算法。K-means算法是一个经典的基于距离的 聚类算法，采用距离作为相似性的评价指标，即认为两个对象距离越近，其相似性越大。该 算法认为同类对象距离应尽可能靠近。K-means算法的处理流程如下：首先，随机地选择k 个对象，每个对象代表一个类的初始均值或者中心；对剩余对象，根据其与各个类均值的距...
【技术保护点】
一种基于k‑means聚类的分箱方法，其特征在于包括以下步骤：S1、对连续变量进行预处理；S2、对步骤S1预处理后的数据进行归一化处理；S3、将归一化处理过的数据，应用k‑means聚类算法，划分为多个区间：S31、采用等距法设定k‑means聚类算法的初始中心，得到聚类中心；S32、在得到聚类中心后将相邻的聚类中心的中点作为分类的划分点，将各个对象加入到距离最近的类中，从而将数据划分为多个区间；S33、重新计算每个聚类中心；S34、重复步骤S32及S33，直到每个聚类中心不再变化，得到最终的聚类结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：吴广财，莫玉纯，严宇平，杨秋勇，桂媛，江疆，
申请(专利权)人：广东电网有限责任公司信息中心，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。