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MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02