京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据挖掘成果固化_聚类分析_数据分析师
--聚类样本数据模拟
--BY:@ETwise
--输入表1:cluster_sample
--输入表2:cluster_center
--20141213
create table cluster_sample
(
serv_id NUMBER ,
label_1 number,
label_2 number,
label_3 number,
label_4 number
);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (1,2,3,4,5);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (2,2.5,4.2,4.2,5.2);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (3,3.2,4.1,2.3,5.1);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (4,1.1,1.2,2.2,3.2);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (5,1.7,1.75,1.35,4.1);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (6,1.5,1.2,0.62,3.38);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (7,1.3,0.65,-0.11,3);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (8,1.1,0.1,-0.84,2.62);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (9,0.9,-0.45,-1.57,2.24);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (11,0.5,-1.55,-3.03,1.48);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (12,0.3,-2.1,-3.76,1.1);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (13,0.1,-2.65,-4.49,0.72);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (14,-0.1,-3.2,-5.22,0.34);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (15,-0.3,-3.75,-5.95,-0.04);
INSERT INTO cluster_sample (serv_id,label_1,label_2,label_3,label_4) VALUES (16,-0.5,-4.3,-6.68,-0.42);
--创建聚类分析所得到的中心点数据
create table cluster_center
(
row_1 number,
row_2 number,
row_3 number,
row_4 number,
type_id VARCHAR2(20) not null
);
INSERT INTO cluster_center (row_1,row_2,row_3,row_4,type_id) VALUES (0,0,0,0,'t1');
INSERT INTO cluster_center (row_1,row_2,row_3,row_4,type_id) VALUES (1,1,1,1,'t2');
INSERT INTO cluster_center (row_1,row_2,row_3,row_4,type_id) VALUES (2,2,2,2,'t3');
INSERT INTO cluster_center (row_1,row_2,row_3,row_4,type_id) VALUES (3,3,3,3,'t4');
--聚类分析成果系统固化相关说明(K-means)
--第一步:对计算每个点与各个中心点的距离,并对应得到相应的分类type_id
select serv_id,
sqrt(power((label_1 - row_1), 2) + power((label_2 - row_2), 2) +
power((label_3 - row_3), 2) + power((label_4 - row_4), 2)) OS,
type_id
from cluster_sample a, cluster_center b
;
--第二步:使用开窗函数对各serv_id的各个中心点的距离进行升序排序,并打上相应的编号
select serv_id,
os,
row_number() over(partition by serv_id order by os asc) myrow_1,
type_id
from (select serv_id,
sqrt(power((label_1 - row_1), 2) +
power((label_2 - row_2), 2) +
power((label_3 - row_3), 2) +
power((label_4 - row_4), 2)) OS,
type_id
from cluster_sample a, cluster_center b)
;
--第三步:提取各个serv_id的最小距离数据,即可得到各个serv_id的类别
select *
from (select serv_id,
os,
row_number() over(partition by serv_id order by os asc) myrow_1,
type_id
from (select serv_id,
sqrt(power((label_1 - row_1), 2) +
power((label_2 - row_2), 2) +
power((label_3 - row_3), 2) +
power((label_4 - row_4), 2)) OS,
type_id
from cluster_sample a, cluster_center b))
where myrow_1 = 1
;
--其他办法:一步到位,直接代入中心点进行计算
select serv_id,
case
when least(os1, os2, os3, os4) = os1 then
't1'
when least(os1, os2, os3, os4) = os2 then
't2'
when least(os1, os2, os3, os4) = os3 then
't3'
when least(os1, os2, os3, os4) = os4 then
't4'
else
'-1'
end type_id
from (select serv_id,
sqrt(power((label_1 - 0), 2) + power((label_2 - 0), 2) +
power((label_3 - 0), 2) + power((label_4 - 0), 2)) os1,
sqrt(power((label_1 - 1), 2) + power((label_2 - 1), 2) +
power((label_3 - 1), 2) + power((label_4 - 1), 2)) os2,
sqrt(power((label_1 - 2), 2) + power((label_2 - 2), 2) +
power((label_3 - 2), 2) + power((label_4 - 2), 2)) os3,
sqrt(power((label_1 - 3), 2) + power((label_2 - 3), 2) +
power((label_3 - 3), 2) + power((label_4 - 3), 2)) os4
from cluster_sample t)
;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Excel数据分析中,数据透视表是汇总、整理海量数据的高效工具,而公式则是实现数据二次计算、逻辑判断的核心功能。实际操作中 ...
2026-04-30Excel透视图是数据分析中不可或缺的工具,它能将透视表中的数据快速可视化,帮助我们直观捕捉数据规律、呈现分析结果。但在实际 ...
2026-04-30 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-04-30在中介效应分析中,人口统计学变量(如年龄、性别、学历、收入、职业等)是常见的控制变量或调节变量,其处理方式直接影响分析结 ...
2026-04-29在SQL数据库实操中,日期数据的存储与显示是高频需求,而“数字日期”(如20240520、20241231、45321)是很多开发者、数据分析师 ...
2026-04-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-04-29在手游行业竞争日趋白热化的当下,“流量为王”早已升级为“留存为王”,而付费用户留存率更是衡量一款手游盈利能力、运营质量的 ...
2026-04-28在日常MySQL数据库运维与开发中,经常会遇到“同一台服务器上,两个不同数据库(以下简称“源库”“目标库”)的表数据需要保持 ...
2026-04-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-04-28箱线图(Box Plot)作为一种经典的数据可视化工具,广泛应用于统计学、数据分析、科研实证等领域,核心价值在于直观呈现数据的集 ...
2026-04-27实证分析是社会科学、自然科学、经济管理等领域开展研究的核心范式,其核心逻辑是通过对多维度数据的收集、分析与解读,揭示变量 ...
2026-04-27 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-04-27在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22